丁炜杰 快手高级算法专家
硕士毕业于中山大学,2020年加入快手,从事单列场景下的短视频推荐策略与模型优化工作,目前主要工作方向是端智能、用户兴趣培养与长期收益建模、稀疏信号利用与分发链路优化等。此前就职于百度和腾讯,有多年推荐系统和广告系统的优化经验。
所属专题
算法模型的创新之道
快手短视频推荐的端上重排系统
主流的部署在云端的推荐系统,可以做到分钟级的近实时,而部署在端上的推荐系统,得益于其链路特点,可以做到秒级反馈的实时。 本次报告将从以下几个方面介绍端上实时重排在快手短视频推荐系统的应用和创新工作: (1) 端上重排系统的特色基础架构,在极小的算力和带宽限制下,云端结合的模型选型方案; (2) 端上重排系统的特色建模方式,在极小的参数空间限制下,特征工程和模型结构的精细化处理,单点预估的AUC评估显著优于已公开的SOTA算法; (3) 端上重排系统的特色排序机制,在极小的候选空间限制下,listwise排序方案的精细化处理; 经过这些工作的迭代,我们在快手的时长和互动指标上都取得了显著收益;