jobber

申请人

基于直播场景的推荐模型研究

项目简介
工作内容：
面向淘宝直播推荐场景，探索直播场景下的前沿深度推荐模型。结合淘宝直播真实大数据，对用户在淘宝直播场景下的行为建模，优化直播场景推荐效率和生态，不限于：
1. 多模态特征提取：基于评论互动的情感分析、兴趣分类、NER，基于直播视频的主播、商品识别、直播场景理解，等。
2. 实时多模态特征融合：结合实时多模态特征如视频、关键帧、语音信息、文本信息，优化推荐场景效率和用户满意度
3. 多目标模型：优化直播场景下ctr，uctr，pv，gmv，stay time等多目标，提升不同维度的用户满意度信息。
4. 序列排序模型：利用list wise方法，优化推荐场景下每一刷的整体效率和多样性，提升用户满意度。
5. 用户长短期兴趣模型：平衡用户长期和短期兴趣，满足用户实时性、新颖性和个性化的多维度需求。
6. 强化学习模型：利用强化学习，探索优化用户长期满意度，跳出信息茧房，提高用户留存。

工作要求:
1. 计算机科学、机器学习、人工智能等专业研究生及以上学历的在校生。
2. 扎实的算法和编程能力，熟悉tensorflow、pytorch等机器学习框架。
3. 有推荐系统相关经验, 精通 ranking 相关的机器学习算法，对模型和优化有深刻的理解。
4. 有大规模海量数据机器学习、数据挖掘、计算广告、搜索引擎相关经验。
5. 有NLP、CV相关经验，并对主流模型和算法有深刻的理解。
（3、4、5满足其一即可）
6 有推荐系统相关顶会论文发表者优先。
7. 能保证每周4天，至少4个月实习时间，可实习时间长者优先。
8. 以项目为依托，以提升场景性能和发表论文为最终导向，实习期表现优异者可优先获得offer机会。

领域方向
搜索与推荐

项目时间
2020年11月01日 至 2021年11月01日

项目信息
工作城市：北京
毕业要求：2021年11月01日-2022年11月01日毕业的学生

联系方式
发送936612643@qq.com
(来信请对职位匹配度及感兴趣任务进行简单描述，以及可实习起止时间，注明来自nlpjob)