1、打造AI工程架構(gòu)體系技術(shù)創(chuàng)新，變革未來AI工程體系1背景介紹2推薦架構(gòu)演進3搜索架構(gòu)演進分享要點4算法演進二手交易平臺-轉(zhuǎn)轉(zhuǎn)二手交易平臺-轉(zhuǎn)轉(zhuǎn)買賣轉(zhuǎn)轉(zhuǎn)總體微服務(wù)架構(gòu)轉(zhuǎn)轉(zhuǎn)總體微服務(wù)架構(gòu)網(wǎng)關(guān)業(yè)務(wù)邏輯層數(shù)據(jù)訪問層數(shù)據(jù)存儲層注冊中心配置中心推薦場景用戶維度商品維度推薦架構(gòu)演進石器時代鐵器時代工業(yè)革命時代石器時代（全局推薦，無個性化）特點全局推薦，無個性化召回源單一基于人工規(guī)則排序不支持線上ABTest鐵器時代（個性化推薦）驗特點引入個性化召回源支持ABTest分組實記錄推薦血統(tǒng)用戶行為日志流程工業(yè)革命時代（實時化+機器學(xué)習(xí)驅(qū)動）征特點架構(gòu)全面微服務(wù)化實時化引入實時數(shù)據(jù)，支持實時召回策略和實時特機器學(xué)習(xí)

2、驅(qū)動排序組件化自定義DSL,靈活編排組件架構(gòu)未來（全流程Pipeline）特點實現(xiàn)模型持續(xù)集成機器學(xué)習(xí)Pipeline線上服務(wù)接入復(fù)雜模型快速迭代deploySpark確定特征數(shù)據(jù)拓撲結(jié)構(gòu)TrainPredict Service應(yīng)用特征數(shù)據(jù)拓撲結(jié)構(gòu)Predict搜索場景分類搜索關(guān)鍵詞搜索搜索架構(gòu)演進Version IVersion IIVersion IIIVersion I(規(guī)則)特點人工規(guī)則排序主觀調(diào)參調(diào)權(quán)不支持線上ABTest效果無法評估Version II(機器學(xué)習(xí))特點Query預(yù)分析簡單模型粗排復(fù)雜機器學(xué)習(xí)模型細排業(yè)務(wù)強規(guī)則干預(yù)支持ABTest分組實驗用戶行為數(shù)據(jù)反饋Version

3、 III(平臺化)特點服務(wù)化通用化平臺化架構(gòu)未來（云化）特點中臺云搜業(yè)務(wù)一鍵接入算法演進召回排序召回算法演進非個性化召回基于興趣召回基于商品的協(xié)同過濾(Item-Based CF)基于用戶的協(xié)同過濾(User-Based CF)排序算法演進基于人工規(guī)則邏輯回歸模型GBDT+LRDeep&WideFTRL算法未來演進實時化特征實時化模型實時化模型化召回模型化模型復(fù)雜化本質(zhì)匹配候選集大候選集質(zhì)量排序排序集小電商AI體系未來智能化方向質(zhì)提升候選集準度復(fù)雜模型深度學(xué)習(xí)電商AI體系未來量擴大匹配候選集近全量數(shù)據(jù)集架構(gòu)挑戰(zhàn)智能化方向質(zhì)提升候選集準度復(fù)雜模型深度學(xué)習(xí)電商AI體系未來智能化方向量擴大匹配候選集近全量