专场十五：大数据分析与精准推荐
基于数据驱动和深度学习的多触点广告效果归因
演讲简介：
广告效果归因尝试把广告产生的转化归功给用户看过或者点击过的广告。无论在学术界还是工业界，这都是一个难题。现在工业界应用的各种归因方法均存在一些问题：大多基于简单规则，缺乏公平性，或归因结果不是广告的边际增益结果，或受制于现实应用场景。京东广告团队和硅谷研发团队受经济学中归因思想的启发，自主研发了基于数据驱动和深度学习的多触点归因模型。作为业界具有开创性的工作，该模型不仅具有强大的理论支撑，解决了现有归因模型的问题，也在实验中得到了非常正面的结果。灵活的设计使得该模型能够快速应用于各种归因场景中，目前我们已经把该模型部署到京东的数字营销推广平台“京准通”上面，服务京东广告主。
杜睿桓 京东 高级算法工程师
嘉宾介绍：
毕业于北京大学，目前在京东广告数据部担任高级算法工程师，负责广告效果相关的模型开发与研究工作。在北大攻读硕士研究生学位期间撰写的论文被期刊 KBS 接收，其工作主要在于研究图模拟和图模式匹配问题。于2018年受邀参加了中国数据库技术大会并作了题为“智能揽客营销”的口头报告。他作为第一作者撰写的论文被 AdKDD2019 接收，该论文主要呈现了由杜睿桓主导的京东自主研发的广告效果归因模型核心思想。
推荐系统在房产领域中的策略优化
演讲简介：
本次分享会给大家带来贝壳找房中推荐系统的一些优化策略，技术上通过优化召回和排序两个模块，来提升业务指标，同时让推荐系统更加能够理解用户的需求。通过从数据、算法、工程、产品4个方面来讲解推荐系统中的一些优化思路，跟同行业之间进行交流，促进整个推荐行业的进步。
郭立星 贝壳找房 资深工程师
嘉宾介绍：
硕士毕业于北京邮电大学网络技术研究院。曾就职于去哪儿网，负责推荐系统和数据挖掘相关工作。现就职于贝壳找房，负责推荐系统的架构设计和策略优化，通过算法和架构的升级，提升推荐效果和系统稳定性。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69918097/viewspace-3161831/ ，如需转载，请注明出处，否则将追究法律责任。
