點擊率預估問題中的深度興趣網路、點過程模型在序列數據挖掘中的應用

社長提醒：明天共有兩場公開課，分別是10:00和20:00，請注意開播時間哦~

10:00場：

分享主題

點擊率預估問題中的深度興趣網路

分享背景

隨著硬體能力的提升，提高了實際使用的模型複雜度的上限，深度學習在各個領域飛速發展。近期在點擊率預估問題上也有許多新的深度模型演算法迸發。本次主要介紹阿里媽媽定向廣告中預估演算法的演進，包括深度興趣網路，興趣演化網路等工作。

分享嘉賓

周國睿，北京郵電大學模式識別實驗室碩士，導師是愛可可愛生活老師，主要研究方向為NLP，推薦系統等。工作曾在KDD、AAAI、CIKM 等會議發表。

分享提綱

1. 定向廣告預估介紹。

2. 深度預估模型的演進過程。

3. 深度興趣網路DIN（KDD2018）Deep Interest Network for Click-Through Rate Prediction。

4. 興趣演化網路DIEN Deep Interest Evolution Network for Click-Through Rate Prediction

分享時間

（北京時間 ） 10 月 18 日（星期四）10:00

直播鏈接

http://www.mooc.ai/open/course/571

20:00場：

分享主題

點過程模型在序列數據挖掘中的應用

分享背景

目前，大量數據是以事件序列的形成產生，比如電商用戶的購買行為序列，社交網路用戶的轉發、點贊行為序列，病人的電子病歷等，都屬於序列數據。點過程模型是對此序列數據進行建模分析的有效工具。本次公開課中，講者將介紹如何使用點過程模型對此類序列數據進行建模分析。

分享嘉賓

吳偉昌，上海交通大學電子系在讀博士，導師是查宏遠教授，主要研究方向為序列數據挖掘，點過程建模等。其研究工作曾在 KDD、TKDE等發表。

分享提綱

1、參數化點過程模型及其應用。

2、Factorial Marked Temporal Point Process [KDD 2018]：因子標記點過程學習。（Decoupled Learning for Factorial Marked Temporal Point Processes）

3、深度神經網路與點過程模型的結合及其應用。

分享時間

（北京時間 ） 10 月 18 日（星期四）20:00

直播鏈接

http://www.mooc.ai/open/course/572

想了解更多 AI 研習社直播？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！