阿里巴巴高级算法专家李永亮 - AI在阿里电商搜索的应用

2020-02-27 179浏览

1.AI在阿里电商搜索的应用李永亮（悾傅）
2.目录 p  电商搜索面临的问题 p  系统框架 p  我们的主要工作 p  AI在商品搜索的一些应用 p  我们还在尝试什么
3.电商搜索面临问题／商品搜索场景
4.电商搜索面临问题／商品搜索优化思路搜索排序（SRP）优化目标一跳二跳点击详情页加购付款复购搜索体验搜索转化联 UV 动 GMV CVR 推 Max KDJ 荐一跳二跳复购 LTV 长期用户价值
5.系统框架／搜索系统框架图overview 搜索业务线（FE） SP业务服务 QP服务改写类目预测导航推荐个性化信息价格预估 Term weight IGraph服务人口统计学特征（性别，年龄，身高体重）个性偏好所属分群 Porche实时流计算购买类目力偏好 Isearch5—Merge 查询分发排序打散 Isearch5—Searcher 查询解析查询过滤排序聚合打散 PV log Click log 成交日志收藏日志 TT log收集人气模型详情页模型卖家分模型 Spam模型 TmallMerger 服务商品质量分析（中心词） Mlrdata join（人气分，卖家分）业务处理 Haoop && MPI ADump 增量 Istream 全量 MapReduce
6.系统框架／搜索系统各模块介绍 FE QP SP isearch5 Dump IGraph Porche •  Front End，搜索前端系统，负责获取用户输入query，并展示最终结果 •  Query Processer，关键词分析系统，负责分析用户输入query的真实意图 •  Search Planner，查询分发系统，负责对用户查询信息分发到相应的引擎 •  核心引擎,负责对用户query进行召回、海选、排序、聚合等操作 •  离线数据中心，负责处理宝贝的基础信息以及算法信息 •  User personal service，用户个性化服务系统，存储用户个性化信息 •  实时计算系统，处理用户实时浏览、点击、成交等数据
7.系统框架／天猫搜索双引擎架构 TmallSearch 16 卖家模型商品模型 User模型 Q模型 LTR 1 23 QP SP 45 Item ranker activity ranker Sku ranker Sku Engine Act Engine 机器学习集群特征 iGraph：个性化线上存储实时计算系统云梯 User数据商品数据历史log 实时log
8.我们的主要工作 Online LTR DRL WDL 类目模型分人气分规则分重排（CMAB）精排（分层）粗排 Seller模型 U2I模型 LTR U2S模型品牌模型实时模型召回个性化 Query 商品 title 类目属性标签文本 I2I
9.AI在商品搜索的应用／CVR prediction with Online DNN
10.AI在商品搜索的应用／CVR prediction with Online DNN 整体模型用3层全链接层用户sparse+dense的特征表征学习，再用2层全链接层做点击／购买与否的预测
11.AI在商品搜索的应用／CVR prediction with Online DNN 在线：wide & deep learning
12.AI在商品搜索的应用／Reinforcement Learning 搜索可以被抽象为序列决策问题
13.AI在商品搜索的应用／Reinforcement learning
14.AI在商品搜索的应用／Reinforcement learning
15.AI在商品搜索的应用／Reinforcement learning
16.AI在商品搜索的应用／Reinforcement learning
17.AI在商品搜索的应用／Reinforcement learning
18.AI在商品搜索的应用／Reinforcement learning 将强化学习用于搜索的若⼲尝试
19.AI在商品搜索的应用／Capture user interests with RNNs 用户行为隐含表示用户的意图,用隐含状态向量抽象表示这种意图，每次行为更新这个向量
20.我们还在尝试什么／Neural Turing Machines
21.钉钉求贤若渴，招聘机器学习、深度学习相关方向的算法工程师，欢迎大家联系我邮箱：anthonylee.liyl@alibaba-inc.com 微信
22.Q&A