您查看的活动已结束

​关于美团技术沙龙

【美团技术沙龙】由美团技术团队和美团科协主办，每期沙龙邀请美团及其他互联网公司的技术专家分享来自一线的实践经验，覆盖各主要技术领域。

2020年9月起，美团技术沙龙将打造一系列学术活动，包括顶会论文分享、学术热点研讨等，邀请产业界、学术界共同探讨前沿问题。

活动时间：2020年11月21日 14:00 -- 16:30

/出品人/

张富峥，美团研究员

知识图谱团队负责人。目前主要负责美团生活服务领域中知识图谱、NLP等AI技术，以及新零售电商搜索系统的建设和应用。

一、活动介绍

 CIKM是信息检索、知识管理和数据库领域中顶级的国际学术会议，自1992年以来，CIKM成功汇聚上述三个领域的一流研究人员和开发人员，为交流有关信息与知识管理研究、数据和知识库的最新发展提供了一个国际论坛。大会的目的在于明确未来知识与信息系统发展将面临的挑战和问题，并通过征集和评估应用性和理论性强的顶尖研究成果以确定未来的研究方向。今年的CIKM大会原计划10月份在爱尔兰的Galway举行，由于疫情原因改为在线举行。美团有多篇论文被CIKM2020接收，这些论文是美团在多模态知识图谱、MT-BERT、Graph Embedding和图谱可解释性等方向上的技术沉淀和应用。

二、日程安排

三、分享介绍

主题一：基于多模态知识图谱的推荐系统优化

曹雪智    美团技术专家

上海交通大学博士，现负责商品、药品知识图谱的构建及其在搜索场景中的应用。

内容介绍：

为了解决推荐系统中的数据稀疏和冷启动问题，研究人员通过利用有价值的外部知识作为辅助信息，提出了基于知识图谱（KG）的推荐系统。但是，大多数工作都忽略了多模态知识图谱（MMKG）中的各种数据类型（例如，文本和图像）。在本文中，我们提出了多模态知识图注意力网络（MKGAT），以通过利用多模态知识来更好地增强推荐系统。

主题二：用于个性化搜索的图嵌入结构关系表示学习

顾万利    美团算法工程师

大连理工大学硕士，现负责商品搜索相关的算法优化工作。

​

内容介绍：

提出基于图嵌入的逻辑结构表示学习（GraphLSR）方法，对用户-查询-商品交互中的逻辑连接进行了显式建模，结合三种关键的关联图模式来学习图嵌入，从而更好地实现个性化搜索。

主题三：Query个性化的推荐理由生成

杨扬    美团算法工程师

东南大学硕士毕业，现从事预训练语言模型相关工作及其在搜索场景中的应用。

​

内容介绍：

推荐理由是在搜索结果页和发现页展示给用户进行亮点推荐的一句自然语言文本，可辅助用户决策从而优化垂直搜索场景中的用户体验。现有工作大部分未考虑用户意图，这限制了生成式推荐理由在场景化搜索中的落地。本文提出一种Query感知的推荐理由生成框架，将用户Query信息分别嵌入到生成模型的编码和解码中，根据用户Query不同会自动生成适配不同场景的个性化推荐理由。

主题四：基于互信息最大化的自监督序列化推荐模型

周昆    中国人民大学博士生

中国人民大学一年级博士生，现于美团实习，曾以第一作者身份在KDD，CIKM，EMNLP等会议上发表论文。

​

内容介绍：

现有的序列推荐模型利用商品预测这一任务来进行模型的参数训练，但是也受限于唯一的训练任务，该类模型很容易受数据稀疏问题影响，导致其并没有充分的建模上下文数据中的潜在关系。为解决以上问题，本文提出了一个新模型S^3-Rec，其基于自注意力网络结构，采用自监督学习策略进行表示学习，进而优化序列化推荐任务。该模型基于四种特殊的自监督任务，采用互信息最大化策略，这些任务分别对属性、商品、自序列和原始序列之间的潜在关系进行学习。本文在六个真实数据集上进行了大量的实验，证明该方法比现有的序列推荐模型的优越性，其中在有限的训练数据场景下该模型依旧能较好的保持较好的表现。

​添加美美微信（MTDPtech05），回复关键字：1121，即可加入活动微信群，与讲师、同行零距离交流。

往期活动PPT及视频干货看这里

美团点评技术沙龙目前已在北京、上海、厦门、成都等城市成功举办了54场，吸引了2W+工程师报名参会，覆盖前端、后台、系统、算法、测试、运维等技术领域，往期PPT及视频资料已整理，我们愿意帮助更多的同学在技术成长的路上不断狂奔！
往期活动PPT及视频干货，请关注美团技术团队公众号（meituantech，或扫下方二维码关注），菜单栏——技术沙龙进行查看