李晗，阿里妈妈精准定向技术部&云营销业务中心，高级技术专家，现任展示广告平台策略机制团队负责人，牵头负责整个商品展示广告业务线，主导整个定向单品广告无线商业化进程，实现手淘核心消费者链路的商业接入和业务优化，实现消耗千万量级规模的增长。 以手淘首页猜你喜欢场景商业化为契机，构建核心机制和技术体系，协同推荐团队进行流量接入模式的探索和创新。从无到有构建整个广告平台机制策略算法体系。创新提出三方共赢的平台 OCPC 智能调价算法，率先推动强化学习技术赋能策略算法，围绕平台调控能力提升构建全链路参数学习。
同时兼任展示广告matching算法团队负责人， 主导整体阿里妈妈展示广告matching技术的三代技术演进和升级，打造整体matching算法的体系化建设。破局性提出并落地基于树结构检索的深度匹配算法框架，定义索引结构+检索模式+模型能力联合端到端学习新范式。兼任云营销数据算法团队负责人，作为数据和算法技术负责人协同运营、产品、商务团队推动阿里全域营销战略落地。
地点：二层 2号会议厅B
所属专题：搜索推荐与算法推荐业务是互联网内容提供商进行流量分配的核心业务，也是大数据和机器学习技术的典型应用场景。以电商环境为例，推荐技术的核心任务是要完成从全部海量商品库高效检索TopK相关商品给用户。为实现这一目标，推荐技术经历了以Item-CF为代表的基于统计启发式规则，到以内积模型为代表的向量检索技术的演进和发展。但当前基于内积检索的推荐技术虽然突破了全量候选集召回的天花板，一定程度引入深度模型优化推荐效率，但内积结构模型表达能力存在局限，无法利用更先进模型进一步提升推荐效果。如何在全库检索的基础上突破模型能力天花板，是下一代工业级推荐技术的可行性发展方向。
本次分享将会介绍阿里妈妈精准算法团队围绕全库检索+先进模型这一目标，自主提出的深度树匹配技术Tree-based Deep Match（TDM）这一全新的推荐算法框架。我们将会详细讲述，在具体实现层面如何根据树结构提出兴趣概率最大堆模型，并由此推演出一整套采样、检索、建模的方法。此外我们会详细介绍深度树匹配技术一方面在广告业务上的应用成果和学术创新性探索，该工作也被收录到KDD2018。与此同时，我们还将从下一代工业级推荐技术持续发展的视角，讲述围绕深度树匹配技术进一步发展的探索和思考。
内容概要：
1. 什么是推荐问题和推荐技术
2. 深度树匹配——下一代推荐技术的探索
3. 成为下一代推荐技术的核心挑战
4. 深度树匹配——下一代推荐技术探索的再思考
听众收益：
1. 了解推荐技术的演进历程
2. 了解推荐技术最前沿的实践探索
3. 了解推荐技术持续发展的方向和原动力
