机器学习在微博个性化push的应用 - SMP2018.pdf

下载文档

132
0
约7.47千字
约 26页
2018-10-31 发布于上海
举报
版权申诉
保障服务

机器学习在微博个性化push的应用 - SMP2018.pdf

1、本文档共26页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

机器学习在微博个性化push的应用微博机器学习研发部-李金奎 2018.8 提纲 • Push场景 • 个性化Push机制 • 机器学习在个性化Push的应用 Push场景-新浪微博用户规模 • 新浪微博于2009年8月上线 • 2013年Q4 ，MAU达到1.29亿，DAU超过6100万 • 2015年Q3 ，MAU达到2.12亿，DAU突破1亿 • 2017年Q3 ，MAU达到3.76亿，DAU突破1.64亿 • 2018年Q1 ，MAU突破4.11亿，DAU达到1.84亿 Push场景-为什么要做Push 对于个人：足够聪明的私人秘书，及时有效地接收到感兴趣的内容对于平台：高效的用户召回机制，通过把优质内容传递给最可能消费的受众，来提升用户规模(DAU) Push场景-Push什么内容 Ø 国内外重大事件提醒(热点push) Ø 区域重大事件的提醒(区域push) Ø 关注人或好友的重要消息提醒(个性化关系push) Ø 感兴趣内容的消息提醒(个性化兴趣push) Ø 。。。 Push场景-怎么去做Push Ø Push的特点主动性：站方主动推送挑战性：Feed是多条展示，Push是单条展示复杂性：从海量用户、物料中寻找最佳匹配两面性：降低对用户骚扰的同时提升用户规模 Ø Push平台平台化：基于机器学习技术，搭建微博Push平台，承载热点Push、区域Push、个性化Push等业务个性化Push 人工+智能的机制，机器学习技术的大规模应用提纲 • Push场景 • 个性化Push机制 • 机器学习在个性化Push的应用个性化PUSH机制物料生成模型运营审核根据用户数据匹配最佳物料 ctr预估(召回、排序、策略) 基础过滤下发实时数据提纲 • Push场景 • 个性化Push机制 • 机器学习在个性化Push的应用个性化Push机器学习架构排序策略 item协同 user协同产品策略热点发现曝光数据模型服务物料模型召回模型排序模型互动数据打开数据兴趣特征关系特征环境特征实时特征博文标签亲密度推送时间博文互动率特征工程博文Topic uid2uid互动 Lbs 博文打开率博文向量社交关系