A2M峰会：人工智能与机器学习峰会
A2M峰会旨在发现全球互联网领域在人工智能、大数据、互联网架构等领域的创新工程和杰出团队，整合国际前沿技术实践，构建行业案例研究智库，帮助中国企业在人工智能时代成功转型、升级。
会议信息
会议名称：A2M峰会：人工智能与机器学习峰会
会议时间：2023.05.26-27
分享嘉宾
个人介绍：
刘笠熙，58同城-商业智能部-高级算法架构师 负责58集团在线广告系统核心算法和策略机制的设计与优化以及产业结合下的商业智能化能力建设，包括推荐、搜索、创意、机制策略等。
分享概要
演讲主题：推荐算法在58同城产业化变革中的实践
话题概述:
首先，我们将介绍58的业务特性和产业化变革路线，以及推荐算法在低频稀疏场景下的实践，包括数据稀疏下的特征交互、低频长周期下的行为序列学习和多场景联合建模等方面。其次，我们将讨论如何将推荐算法与产业特性结合，包括人岗匹配约束下的推荐策略以及供需调度需求下的流量分发等方面。最后，我们还将探讨推荐场景中的广告创意优化，包括创意生成和创意优选等方面。通过本次演讲，我们将分享在58产业化变革中推荐算法实践的经验和成果，展示推荐算法在实际应用中的重要性和效果，并对未来推荐算法的发展进行展望和思考。
演讲题纲:
1.58的业务特性和产业化变革路线
2.低频稀疏场景下的推荐算法实践
2.1 数据稀疏下的特征交互
2.2 低频长周期下的行为序列学习
2.3 多场景联合建模
3.产业特性结合的推荐算法实践
3.1 人岗匹配约束下的推荐策略
3.2 供需调度需求下的流量分发
4.推荐场景中的广告创意优化
4.1 创意生成（拼接式+生成式）
4.2 创意优选（人群偏好+多样性）
5.总结
话题亮点：
1.低频稀疏场景下的推荐解决方案；
2.推荐算法与产业特性的结合方案；
3.推荐场景中的广告创意优化方案；
听众收益
1.了解推荐算法在低频稀疏场景下的应用和解决方法，包括特征交互增强、行为序列学习和多场景联合建模等，这将有助于提高推荐算法的效果和准确性。
2.了解推荐算法在与产业特性结合时需要考虑的问题，包括人岗匹配约束下的推荐策略和供需调度需求下的流量分发等方面，这将有助于推荐算法在实际应用中更好地服务于业务。
3.了解广告创意在推荐算法中的重要性和优化方法，这将有助于提高广告点击率和转化率，从而提高推荐算法的商业价值。
4.通过本次演讲，听众将获得推荐算法在实际应用中的经验和成果分享，以及对未来推荐算法发展的展望和思考，这将有助于他们更好地了解推荐算法技术的发展趋势和应用前景。
本文分享自微信公众号 - 58技术（architects_58）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
