今晚直播 | 上海财经大学博士生陈畅欣：学习重排中的深层次排序表示

 报告介绍 

作为多阶段推荐系统（MRS）的最后一个阶段，re-ranking在实际应用中扮演着重要的角色。其目的是通过建模item间的交互信息，对输入序列进行重新排序，以更好地满足用户需求。以前的研究主要采用序列标注的方式来解决这个问题，但是0-1点击标签所包含的信息非常有限，导致模型容易建立输入和标签之间的浅层联系，这种浅层相关性不利于充分发挥重排序模型的高表达能力。 

为了获得更强的监督信号并利用表达能力更强的神经网络，我们提出了ranked representation learning的概念，其intuition是通过增加学习目标的难度来帮助模型更好地捕捉深层次的item交互。我们提出的模型DeepRed (deep and ranked representation learning) 在三个公开数据集上均取得SOTA效果。最重要的是，在用户规模巨大的真实业务中，我们将此方法分别应用于热门话题和feeds流场景，分别获得了大约3%和2%的线上CTR指标置信提升。

 嘉宾介绍 

陈畅欣

上海财经大学在读博士生

陈畅欣，上海财经大学在读博士生二年级，导师为上海财经大学崔万云副教授。其研究方向为NLP和推荐系统，主要包括自然语言中的知识表示和推荐中的表示学习。曾获国家奖学金。