作为国内最大的O2O平台,美团的月交易额已超过100亿,其中移动端O2O推荐交易额超过了整体交易额的10%,推荐系统对平台的贡献在持续上升。机器学习在我们的推荐系统中起着至关重要的作用。而面向互联网的机器学习与传统机器学习的一个很大区别是:互联网上用户的行为模式时刻会随着环境改变,如果使用离线计算的静态模型,随着时间变化,效果很可能会逐步下降,为了提高模型对用户行为模式变化的适应能力,非常有必要引入OnlineLearning。本次分享主要介绍我们推荐系统中OnlineLearning的框架和模型:
系统方面:介绍从用户产生行为,到反馈到模型中的整个流程实现细节
模型方面:介绍几个主流的onlinelearning模型,及point-wise方法和pair-wise方法在onlinelearning实践中经验和教训
分享者:孔东营,毕业于中国科学院计算技术研究所,目前在美团主要从事推荐系统的排序的算法研究工作。之前在网易有道从事广告点击预估的工作。在onlinelearning方面有丰富的实践经验。