陈剑

百度 电商技术部 资深算法工程师

个人介绍：研究生毕业于北京邮电大学，毕业后就一直在百度商业方向工作。在凤巢做了两年半的搜索广告，之后在信息流场景上做了两年半的推荐广告，现在主要负责百度电商广告推荐策略。

演讲题目：超大图模型在推荐广告系统中的应用

演讲提纲：

1. 超大图模型背景

2. 超大图模型在百度电商行业的研发进展

2.1 超大图的训练

2.2 召回应用策略

2.3 排序应用策略

3. Q&A

听众收益：

1. 超大图模型的意义和优势

2. 多类型和多场景的图训练方法

3. 图模型的场景应用

白天骄

腾讯音乐 全民K歌 推荐负责人

个人介绍：本硕就读于北京理工大学，先后任职于网易、快手、腾讯音乐，目前主要负责全民K歌的推荐业务，致力于融合短视频消费与社交关系链的融合推荐。

演讲题目：社交推荐在全民K歌的实践

演讲提纲：

本presentation聚焦于解构社交推荐方法论，及在全民K歌的落地实践。

1. 信息流推荐和社交推荐的异同

2. 社交推荐通路构建

3. 全民K歌的社交推荐实践

听众收益：

1. 如何去理解社交推荐，和抖/快的信息流推荐有何区别？

2. 如何去构建一个面向社交互动的推荐逻辑？

3. 构建社交推荐的实践经验

刘毅

阿里巴巴 高级算法专家

个人介绍：阿里巴巴高级算法专家，硕士毕业于中国科学院大学。一直从事于搜索推荐等相关技术研究，将先进技术落地于平台和产品，多项研究成果发表在IJCAI/ICDE等学术会议。目前在淘宝直播负责搜索、营销等相关算法技术。

演讲题目：淘宝直播搜索算法思考与演进

演讲提纲：

基于淘宝直播搜索的内容实时化、意图多元化和物料异构化的特点，介绍了搜索算法在技术的迭代与创新。

听众收益：

1. 直播搜索算法的全链路实时化

2. 直播搜索多元意图的识别与应用

3. 直播搜索异构物料的统一建模与实践

刘志山

快手 资深广告算法工程师

个人介绍：硕士毕业于清华大学，曾在美团、猿辅导从事模型优化的工作。目前在快手商业化算法部，主要负责模型训练基础设施建设方面的工作，主要擅长领域包括稀疏模型分布式训练、特征提取框架。

演讲题目：基于语法树的广告模型特征提取框架

演讲提纲：

1. 为广告模型特征提取定制 DSL，简单易用，扩展灵活

2. 特征提取数据与计算逻辑解耦，计算逻辑实现算子化，方便进行更灵活的组合

3. 以特征 AST 为核心，算法使用与底层实现解耦，方便进行工程优化与扩展

4. 掌握特征提取所有细节，在代码层面理解特征，为算法使用提供更多业务价值

5. 从零开始实现完整的 DSL，针对不同场景可以轻松扩展

听众收益：

1. 如何将模型特征标准化，高效产生所需特征

2. 如何将算法同学使用特征与底层实现解耦，方便进行工程优化与升级

3. 如何实现一门 DSL 语言，包括 lexer、ast 等核心模块，并与实际场景相结合