分论坛介绍：机器学习、企业数据中台、实验科学与因果推断

机器学习与数据挖掘论坛

出品人/嘉宾：林文清

腾讯互娱 公共数据平台部 社交算法团队负责人

演讲主题：大规模游戏社交网络节点相似性算法及其应用

演讲介绍：数据都可以用多种形式呈现，比如说图或者网络结构，而游戏中存在大量的图数据，包括游戏社交网络、玩家与道具的交互关系网络等。节点相似性计算作为图上大多数任务的基础，具有广泛的应用场景。我们介绍了基于随机游走的个性化节点排序方法，并且设计了一个高效的分布式计算框架，可以处理百亿级的数据规模，并且具有较好的预测性能。我们将此方法应用到游戏中的多种推荐场景之后，取得了较好的应用效果。

演讲大纲：

1.问题及背景介绍

1.1 业务问题抽象

1.2 个性化节点排序算法介绍

2.解决方案及价值阐述

2.1 算法框架

2.2 优化方法

2.3 实验效果

3.应用效果评估

听众收益：

1.如何设计高效的分布式个性化节点排序算法？

2.分布式个性化节点排序算法的待优化问题有哪些？

3.如何将个性化节点排序算法应用到游戏业务场景中？

分享嘉宾

2 杨旭东 阿里巴巴 算法专家

演讲主题：推荐算法中的特征工程

演讲提纲：深度学习时期，与 CV、语音、NLP 领域不同，搜推广场景下特征工程仍然对业务效果具有很大的影响，并且占据了算法工程师的很多精力。数据决定了效果的上限，算法只能决定逼近上限的程度，而特征工程则是数据与算法之间的桥梁。本次分享的主题是尝试总结一些在推荐场景下做特征工程的常用套路，包括离线特征和实时特征的设计、开发和部署、离在线一致性保证等内容。

听众受益：

1. 推荐场景下如何构建好用的离线特征？

2. 推荐场景下如何准确构建实时特征？

3. 如何在推荐工程链路上保障离在线一致性？

3 连德富 中国科学技术大学 教授

演讲主题：推荐系统算法与应用

演讲提纲：

1. 推荐系统的线下训练研究

2. 推荐系统的线上服务研究

3. 推荐系统的应用研究

听众收益：

1. 了解如何搭积木建推荐系统

2. 推荐系统应该如何负采样

3. 推荐系统的召回可以做哪些研究

4 肖强 网易云音乐 算法专家

演讲主题：云音乐推荐系统中冷启动与多目标的高效实现

演讲提纲：

1. 云音乐推荐背景介绍

2. 推荐系统基础架构