美团技术沙龙第二期：技术驱动O2O之算法与挖掘实践
10月31日，由美团技术团队举办的美团技术沙龙第二期在中关村创业大街拉开帷幕，依然围绕“技术驱动O2O”为主题展开，本期沙龙为算法与挖掘实践专场，特别邀请了大众点评、滴滴出行在内的资深技术专家来分享各自的数据领域心得。超过150位参会者参加了本期沙龙，其中包括诸多知名互联网公司的高级技术管理者及高级工程师等。
主持人：美团技术学院院长 刘江 活动开始，美团技术学院院长刘江作为主持人为大家介绍了本期沙龙分享的议题及嘉宾，并简单介绍了美团技术团队以及举办美团技术沙龙的初衷。美团技术团队发展五年来，以技术力量支撑和驱动着美团各业务的高速发展。本着开放、学习、共赢的心态，推出了“美团技术沙龙”，并邀请国内外互联网科技企业各领域的技术专家，每期或多期围绕一个技术主题进行系列分享和交流活动，为中高级互联网技术从业者持续提供免费的开放的沟通交流环境，以及优质的技术内容。
主题一：《美团O2O排序解决方案》 美团技术专家 陈华良 在美团，有几百万的商家和几亿的用户，怎样让用户在各种场景下快速找到其目标的商家，是一个很具有挑战的工作。来自美团机器学习与挖掘组的负责人陈华良，2014年起在美团负责排序受众定向平台、广告检索系统等工作。他介绍了美团内部基于搜索排序的实践构建的一套通用的机器学习排序解决方案，包括特征矩阵、机器学习平台、受众定向平台、在线服务框架等子系统，可以快速的应用于各种产品，以取得更好地效果。目前，这套解决方案已在美团酒店、外卖、电影等业务线、以及促销等多种产品中应用。
主题二：《O2O平台的商户信息库建设》 大众点评POI业务负责人 王增智 有10余年搜索相关工作经验的讲师王增智毕业于中山大学，目前在大众点评负责POI、点评、星级、爬虫、CMS等基础数据与内容。在大部分人的印象中，团购网站应该是依靠销售谈单，每谈定一个商家后入库一个商家，但是像点评这样有几千万商户的平台来说，这样做是远远不够的。为了支持公司业务的快速发展，必须要有效率更高更精准的方式。本期分享就以点评建设商户信息库经验为例，系统地介绍了从POI定义与模型到构建高覆盖高质量商户信息库的全过程，同时解决了从不同来源获取到的商户信息重复、质量不高等各种问题。
美团的高级工程师孔东营，毕业于中国科学院计算技术研究所，目前在美团主要从事推荐系统的排序的算法研究工作。作为国内最大的O2O平台，美团的月交易额已超过100亿，其中移动端O2O推荐交易额超过了整体交易额的10%，推荐系统对平台的贡献在持续上升。机器学习在推荐系统中起着至关重要的作用。而面向互联网的机器学习与传统机器学习的一个很大区别是：互联网上用户的行为模式时刻会随着环境改变，如果使用离线计算的静态模型，随着时间变化，效果很可能会逐步下降，为了提高模型对用户行为模式变化的适应能力，非常有必要引入OnlineLearning。本次分享除了介绍了美团推荐系统中OnlineLearning的框架及主流模型还总结了point－wise方法和pair－wise方法在OnlineLearning实践中的经验和教训。
主题四：《 滴滴订单分配策略》滴滴出行高级算法工程师 郭栋来自滴滴出行的郭栋，清华大学硕士毕业，有多年广告推荐相关经验。他表示：其实无论是给用户做推荐服务还是推荐商品甚至是推荐新闻推荐好友，简单来说都是在做“匹配”。淘宝匹配商品，美团匹配服务，而滴滴来为用户匹配出行方式。相对于其他平台，滴滴的特殊性在于，要匹配的司机也是人，是智能的，他们会想方设法与平台博弈。他比较全面地讲述了滴滴在既保证订单最大化成交率又要兼顾乘客体验最优化时，如何匹配人和司机。
主题五：《 计算机视觉算法在O2O中的应用》 美团技术经理 沈文竹 本场活动最后一位分享者m也是唯一一位女嘉宾沈文竹，毕业于清华大学电子系人工智能实验室，从事多年自然语言处理相关的技术研发和管理工作。 随着业务的飞速发展， 美团网的数据量呈现 爆炸式增长，海量图像数据作为文字信息的重要补充，在整个业务链条的各个环节都发挥着举足轻重的作用。以美团典型业务场景为例，通过计算机视觉技术，包括OCR文字识别，UGC图像过滤，图像分类，图像质量打分，卡片识别，人脸识别等技术在各个业务环节上的应用，向大家展示了计算机视觉算法节省人力成本的同时，有效地提升产品体验。
主题分享结束之后，还有很多小伙伴们意犹未尽，积极与讲师交流。错过本期精彩分享活动的同学可以点击下方“原文链接”下载本期活动PPT。 活动预告： 11月29日，美团技术沙龙第三期：技术驱动O2O数据仓库及存储专场。敬请期待！欢迎关注“美团技术团队”，获取更多精彩内容。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
