技术论文:电子商务中基于生命阶段的推荐(发表于 ACM KDD2015 )

本文涉及的产品
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
OpenSearch LLM智能问答版免费试用套餐,存储1GB首月+计算资源100CU
简介: ACM SIGKDD 国际会议(简称 KDD)是数据挖掘研究领域的顶级盛会,它每年能收到上千篇来自国际知名大学和研究机构的学术论文投稿,这其中仅有一小部分优秀论文可以被接收。2015年5月18日,KDD组委会发布工业和政府相关方向论文的录用消息,阿里巴巴集团搜索事业部推荐团队投稿的论文被录用,表


ACM SIGKDD 国际会议(简称 KDD)是数据挖掘研究领域的顶级盛会,它每年能收到上千篇来自国际知名大学和研究机构的学术论文投稿,这其中仅有一小部分优秀论文可以被接收。2015年5月18日,KDD组委会发布工业和政府相关方向论文的录用消息,阿里巴巴集团搜索事业部推荐团队投稿的论文被录用,表明阿里巴巴集团在工程与学术结合方面得到了国际一流研究人员的认可。


推荐系统在现代电子商务网站中获得了非常大的成功,是数据挖掘的一项重要应用。例如,淘宝、亚马逊、沃尔玛等电商网站都提供了基于用户行为历史的推荐服务。因此,推荐系统是工业界和学术界过去10年在数据挖掘领域的研究热点。另一方面,市场销售专家和社会学家早已注意到客户人生阶段(结婚、怀孕、生孩子、搬家、装修等等)对于购买行为的重要性。这篇录用论文题为《Life-stage Prediction for Product Recommendation in E-commerce》,主要介绍基于人生阶段预测的推荐策略,利用长期历史行为数据,直接对客户的人生阶段建模和预测,并利用这种人生阶段动态的需求变化进行推荐。比如,母亲会在孩子不同的年龄段购买不同的商品。这一策略首先应用在淘宝母婴垂直领域。在离线和线上A/B分桶实验证明了有效性。


这项技术已支撑着淘宝无线和PC上众多的推荐业务(例如、手淘和PC的母婴频道,母婴无线店铺首页推荐等,在这些场景可以直接看到预测的宝宝年龄,提示根据人生阶段进行推荐,提升用户的体验)。团队包括加州大学的教授,及阿里巴巴搜索事业部的专家们。未来他们将探索和研究推荐领域更前沿的方向,比如推荐的新颖性和惊喜性,提升推荐的粘度和回访率。


本人作为一作,有幸在会议上作了口头报告。答疑阶段,有2个问题,第一是否有线上A/B test和结果;第二个问题,是关于人生阶段是否在除母婴之外其他领域有意义。针对这两个问题都根据相关slides做了相应解答。令人自豪和感动的一点是:session chair在介绍时说到,下面的paper presentation是来自阿里巴巴的工作,这也是目前世界上最有影响力的公司之一。瞬间自豪感爆棚有木有!




主要参与成员

江鹏(花名:荐轩,阿里巴巴搜索事业部 算法专家)

朱亚东(花名:朱仙,阿里巴巴搜索事业部 算法专家

张奕 (加州大学教授)

袁泉(花名:袁全,推荐团队Leader,阿里巴巴搜索事业部 资深算法专家)

目录
打赏
0
0
0
0
158
分享
相关文章
AB实验设计
AB实验的原理、优缺点及流程
1647 0
AB实验设计
|
3月前
|
JetBrains PhpStorm 2025.1 发布 - 高效智能的 PHP IDE
JetBrains PhpStorm 2025.1 (macOS, Linux, Windows) - 高效智能的 PHP IDE
135 1
解读阿里云搜索开发工作台如何快速搭建AI语义搜索及RAG链路
本文介绍阿里云搜索开发工作台如何通过内置数据处理、查询分析、排序、效果测评、大模型等服务,结合阿里云搜索引擎及开源引擎,灵活打造AI语义搜索及RAG链路。
20280 15
在Linux中,如何进行SSH服务配置?
在Linux中,如何进行SSH服务配置?
淘宝粗排问题之在粗排模型中引入交叉特征如何解决
淘宝粗排问题之在粗排模型中引入交叉特征如何解决
基于聚类和回归分析方法探究蓝莓产量影响因素与预测模型研究附录
k均值聚类模型多元线性回归模型随机森林模型在数据分析项目中,选择合适的模型是至关重要的。本项目中,我们采用了三种不同的模型来分析蓝莓的生长条件和产量,以确保从不同角度全面理解数据。一、K均值聚类模型K均值聚类模型是一种无监督学习方法,用于根据数据的相似性将样本分成不同的组。在这个项目中,我们使用K均值聚类模型来识别具有相似特征的蓝莓品种。通过聚类分析,我们将蓝莓分为4个类别,每个类别代表了不同的生长条件和产量特性。这种分类有助于我们理解在不同环境条件下,哪些因素对蓝莓产量有显著影响。
289 0
基于聚类和回归分析方法探究蓝莓产量影响因素与预测模型研究附录
【Docker 专栏】Docker 与 GPU 加速应用的结合
【5月更文挑战第9天】GPU加速技术在处理大规模数据和复杂计算时展现强大性能,尤其在AI和深度学习领域。Docker作为轻量级容器化工具,提供隔离、可移植和高效的环境。结合GPU加速,关键在于容器访问GPU设备和安装相应驱动。NVIDIA提供了支持工具,允许Docker利用GPU。应用场景包括人工智能、科学计算和视频处理。优势包括资源利用率提升和部署灵活性,但面临驱动兼容性、资源管理和监控调试的挑战。未来,随着技术发展,Docker与GPU加速在边缘计算中的应用将有广阔前景。
503 1
【Docker 专栏】Docker 与 GPU 加速应用的结合
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问