推薦系統與新技術結合將碰撞出怎樣的火花？

近日，來自義大利米蘭理工大學 Maurizio 團隊發表的一篇極具批判性的文章火了。這篇文章劍指推薦系統領域的其他數十篇論文，並通過多項試驗證明這些論文中基於深度學習的推薦演算法大部分都存在不同程度的數據集缺失和源碼缺失的問題，導致根本無法復現，即使是可復現的演算法，其性能也難以達到預期，甚至還不如基於傳統的、簡單的機器學習推薦演算法。

這篇文章指出，深度學習推薦演算法並不是完全可信的，主要存在以下三個問題：

• 許多聲稱有提升的方法事實上並不能超越經過合理調參的基準對比工作，甚至不能超越很簡單的傳統方法。具體來說，這些方法在實驗上存在一定的缺陷。
• 基準對比工作的選擇問題：許多方法選擇的對比工作本身就有問題，不是廣義上的基準工作。並且該領域的基準工作很混亂，不太統一。
• 不同工作採用的數據集，驗證方法，性能指標，數據預處理步驟都不同，這使得性能對比很困難，無法確定哪個工作在相同的應用環境中表現最好。而且很多工作不開源數據和代碼，這不符合現在的代碼開源趨勢，甚至即使開源了，也不把完整代碼放出來。

事實上，關於熱門會議論文復現難的問題很久之前就有人提出，此次文章發布後再次引發讀者熱議，可見推薦系統論文的可復現性是很多人都關注的問題。在評論中，大多數人表示贊同這篇文章敢於說實話的態度，說出了大家的對不可複線論文真實性的質疑，指出了不開源代碼、數據集缺失等問題導致無法真正衡量一個演算法性能是否優越。

當然，以上僅是關於基於深度學習的 top-n 推薦演算法存在的問題之一，但問題的存在並不能磨滅推薦系統的作用，因為經過無數實踐的檢驗，推薦系統在塑造當今信息流生態和現狀功不可沒。

個性化推薦演算法濫觴於互聯網的急速發展，隨著國內外互聯網公司，如 Netflix 在電影領域，亞馬遜、淘寶、京東等在電商領域，今日頭條在內容領域的採用和推動，個性化推薦如今已成為互聯網公司背後的無形「推手」，可以說，如今我們打開任意一款聯網的產品，用戶看到的內容，接收到的信息，絕大部分取決於提供這些商品和服務背後企業的推薦演算法團隊。

在效率至上的時代，推薦系統將信息生產者與信息受眾有效地連接起來，前者可以將信息精準傳達給後者，後者也能接收到自己最感興趣的內容。

然而，正如上文所說，推薦系統並非完美無缺，比如，再完美的個性化推薦系統都逃不過「信息繭房」的桎梏，因為人的興趣會隨著時間的變化而改變，甚至自己都無法意識到自己感興趣的話題和領域有哪些，在何時悄然發生變化，推薦系統更是無法精準「揣度」人的心思。這導致僅憑推薦演算法已無法滿足用戶越來越高的要求，因此，基於推薦演算法，結合了知識圖譜、深度學習、AutoML 等技術的新方法隨之誕生，讓推薦系統變得更加可信賴。

目前，推薦系統的發展還面臨著哪些亟待解決的技術和應用瓶頸？為解決這些問題，各個領域的研發人員都進行了哪些努力和嘗試？當今個性化推薦最前沿、最實用的技術手段有哪些？選擇適合自己平台的推薦技術有哪些選用標準？搭建系統過程中需要繞過哪些雷區和坑？所有問題的答案，盡在 2019 年 AI 開發者大會（AI ProCon）的推薦系統技術專題。

本次大會上，阿里資深演算法專家、阿里媽媽深度學習演算法平台負責人、兼任定向廣告&信息流廣告排序技術團隊負責人朱小強先生將應邀擔任推薦系統技術專題出品人，並擬邀其他三位頂尖推薦系統團隊的負責人蔘會，作為演講嘉賓，分別從廣告、電商、視頻等領域分享推薦系統的構建理念、搭建系統的技術細節及迭代完善系統的過程，解答大家對於推薦系統的疑問。

推薦系統技術專題的演講嘉賓分別是：

阿里媽媽深度學習演算法平台負責人 朱小強（出品人）

朱小強，花名懷人，畢業於清華大學，阿里資深演算法專家，現任阿里媽媽深度學習演算法平台負責人、兼任定向廣告&信息流廣告排序技術團隊負責人。他主持了三代核心演算法架構（大規模、深度端到端、深度實時化）的設計和落地，驅動了深度學習對阿里廣告技術的全面變革與創新，領導了阿里開源深度學習框架X-DeepLearning從0到1的自研、從1到開源演進的全過程，在KDD、AAAI、SIGIR等頂級會議上發表過DIN/DIEN/ESMM等多篇有影響力的工業實戰論文，是workshop DLP-KDD 2019的發起人和聯合主席。

京東集團高級總監 殷大偉

殷大偉，京東集團高級總監，負責管理推薦工程團隊，建立京東推薦系統。他還創建了數據科學實驗室，領導推薦、搜索、數據記錄、知識圖譜等研究工作。在加入京東之前，他是雅虎實驗室的高級研究經理，領導相關科學團隊並負責雅虎搜索的核心搜索相關性。他獲得了利哈伊大學理科碩士學位（2010 年）和博士學位（2013 年），山東大學本科畢業（2006 年）。他的研究領域包括數據挖掘、應用機器學習、信息檢索和推薦系統，曾在高級會議和期刊上發表了 70 多篇研究論文，並獲得 WSDM 2016 最佳論文獎，KDD 2016 最佳論文獎，WSDM 2018 最佳學生論文獎和 ICHI 2019 最佳論文榮譽獎。

快手科技推薦架構負責人 任愷

任愷，快手科技推薦架構負責人，2015年畢業於卡內基梅隆大學 (Carnegie Mellon University)，獲得博士學位。主要研究領域方向為大規模分散式系統、機器學習系統和大數據分析。博士期間發表多篇系統領域頂級會議論文，並曾獲得2014年世界超算大會(Supercomputing)最佳論文獎。博士畢業後，曾擔任Instagram廣告組的研究科學家。作為Instagram廣告組的創始成員，從零開始建設Instagram廣告排序服務，和團隊合作在一年內將Instagram廣告營收做到數十億美元規模。2019年加入快手，負責核心推薦系統和中台的建設，包括推薦線上服務、推薦模型大規模實時訓練、推薦異構計算等項目。

華為諾亞方舟實驗室推薦與搜索項目組資深研究員 唐睿明

唐睿明，華為諾亞方舟實驗室推薦與搜索項目組資深研究員。他於 2009 年在中國東北大學獲得學士學位，專業為計算機科學與技術；並在 2014 年從新加坡國立大學計算機專業獲得博士學位。2014 年底，他加入華為諾亞方舟實驗室。他的研究方向包括機器學習、推薦系統、深度學習、強化學習、AutoML等。在基於深度學習和強化學習的推薦系統領域，他的多篇論文發表於國際頂級會議和期刊，如WWW，IJCAI，TOIS，AAAI，RecSys，SIGIR等。

更多嘉賓還在確認中......

（最終出席嘉賓以會議現場為準）

演講結束後，推薦系統分論壇還設有 45 分鐘的 Panel 環節，演講嘉賓將就推薦系統相關熱門話題展開討論，在思想碰撞中拓展推薦系統研發的新思路。

推薦，一個深刻影響人類傳播、接收信息方式的產物，將在人類社會發揮越來越重要的作用，深入到人類工作和生活的方方面面，它先進、高效、事半功倍，但是同樣存在著不可忽略的問題。來到 AI ProCon，探索推薦系統的原理，發現更好的技術手段，讓推薦系統更好地服務用戶。

大會除了「推薦系統」專場之外，還有機器學習、計算機視覺、自然語言處理、知識圖譜、5G 驅動 AIoT、AI開源、AI+DevOps、AI+小程序等技術論壇。科技饕餮盛宴，想你所想，供你所需！

2019 年 9.6~9.7（周五~周六），AI ProCon 2019將在北京富力萬麗酒店如約舉行。

目前，大會已邀請到阿里、華為、Google Brain、Amazon、微軟中國、百度、京東、小米、快手、科大訊飛、商湯、曠視、圖森、雲知聲、思必馳等重磅嘉賓。「硬核AI技術大會，一年參加一次就夠了」。

屆時，來自全球各地的 60 余位 AI 專家和學者將齊聚一堂，不談口號，只談技術，共同探討機器學習領域開發者最感興趣的技術話題。我們將用多樣化的主題，讓你滿載而歸！

大會最新優惠票 2050 元限時搶購已經啟動，時間有限，登陸官網https://aiprocon.csdn.net/?utm_source=wbpt，即享折扣。

另外，2019年AI優秀案例評選活動再度升級，CSDN AI科技大本營將評選出 Top 30+優秀案例，每一方向有更細緻的評選維度。

我們希望評選出未來影響人類發展的變革性AI產品/解決方案，同時有理由相信，挖掘出的那些優秀案例還會給不同AI行業領域帶來啟迪，進而推動整個AI行業的發展進程。

目前，AI Top 30+ 項目已正式啟動，歡迎申請參加。

活動簡介：https://bss.csdn.net/m/topic/ai_procon/top30

申請參加：http://csdnprogrammer.mikecrm.com/JC06AnW

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！