Wie leistungsstark sind KI-gesteuerte Suche und Empfehlung?

Autor |. Yunzhao

Zwischen Benutzern und Informationen gibt es entweder eine Suche oder eine Empfehlung. Shen Dou, Executive Vice President von Baidu, sagte auf einer Konferenz: „Die Menschen sind mit der Suche so vertraut, dass sie die darin enthaltenen technologischen Veränderungen nicht spüren können.“

Heutzutage ist die Suche überall, von Browsern, WeChat, Alipay bis hin zu anderen Apps, bei denen wir uns täglich anmelden. Wir sind es gewohnt, die Suche zu verwenden, um die Informationen zu filtern, die wir benötigen. „Suche“ ist im Internetzeitalter zu einer Basistechnologie geworden. Sie hat kein „Gefühl der Präsenz“ mehr im Blick wie neue Technologien wie Blockchain und Web3.

Was wirklich wichtig ist, ist oft das, was wir für selbstverständlich halten, aber nicht wahrnehmen können.

Im Zeitalter von Big Data, in dem die Menge an Informationen explodiert, hat sich die traditionelle Suche auch zum Zeitalter der intelligenten Suche entwickelt. Mit einer auf KI basierenden Suchmaschine kann die Maschine nicht nur Texte lesen, sondern auch Sprache und Bilder verstehen. Die KI-Technologie ist die treibende Kraft für die kontinuierliche Weiterentwicklung der Suche.

Welche positiven innovativen Erkundungen hat das Internet unternommen, um die Suche schneller, genauer, personalisierter und intelligenter zu machen, um die Bedürfnisse der Benutzer zu verstehen? Hier sind einige:

Im Jahr 2016 führte Google den RankBrain-Algorithmus ein, der auf der Backpropagation-Technologie basiert und Nutzern dabei helfen kann, schneller nach unpopulären Suchergebnissen zu suchen, basierend auf semantischer Analyse und Vokabularzuordnung.

Im Jahr 2021 wird Google BERT, das im NLP-Bereich beliebte vorab trainierte Sprachmodell, in der Google-Suche einsetzen. Selbst wenn Sie einen großen Textabsatz eingeben, kann die Suchmaschine das finden, was der Benutzer suchen möchte. Die Einführung von BERT hat die Suchergebnisse um mindestens 10 % verbessert.

Was die Inlandssuche betrifft, so ist der Einsatz von KI bei der Suche ebenfalls in vollem Gange.

Im Jahr 2015 schlug Baidu das Konzept der multimodalen Suche vor und untersuchte die Entwicklung von der Textsuche zur multimodalen Suche wie Sprache, Bild und Video. Vektorabruf, heterogene Suche usw. Technologien wie strukturelles Rechnen, Wissensgraphen und Videoverständnis wurden in Tencent Video und Tencent Kandian erfolgreich eingesetzt. Nach Jahren der technologischen Akkumulation hat sich Meituan Search in eine KI-Suchmaschine verwandelt, die sich stark verbessert hat Verbesserte Leistung von Händlern, Imbissbuden und Inhalten sowie anderen wichtigen Geschäftsindikatoren für Suchszenarien.

Wenn die Suche Menschen dabei helfen soll, korrekte Inhalte zu finden, dann besteht die Empfehlung darin, Inhalte genau an die richtigen Personen weiterzuleiten. Im Jahr 2021 schlugen Kuaishou und die Tsinghua-Universität ein neues Sequenzempfehlungs-Framework SURGE vor, das auf graphischen neuronalen Netzen basiert und die Schwierigkeit, die wahren Interessen der Benutzer zu erfassen, im Jahr 2021 erheblich verringerte. Alimamas Algorithmus-Engineering-Team und Alimamas externes Werbealgorithmus-Team entwickelten Elastic-Federated als Open-Source-Lösung - Das Projekt Learning-Solution (elastische föderierte Lernlösung) führt die föderierte Lerntheorie in die Geschäftsszenarien von Alimama ein und nutzt dabei den Datenschutz und die Algorithmustheorie.

Mit der kontinuierlichen Weiterentwicklung der KI-Technologie erhöhen große Internetunternehmen ihre Investitionen in intelligente Suche und Empfehlung, einen High-Tech-Bereich, der eng mit den Nutzern verbunden ist! Wenn Sie im Voraus weitere Spitzentechnologien im Zusammenhang mit intelligenter Suche und Empfehlung freischalten möchten, kann Ihnen die AISummit-Sondersitzung „KI-gesteuerte Suche und Empfehlung“ meiner Meinung nach die Antwort geben!

Sondersitzung des Gipfels, die Sie nicht verpassen sollten

Die Welle der digitalen Transformation hat zu neuen Entwicklungen in der Suchempfehlungstechnologie geführt, wie zum Beispiel: Traditionelle Suchmaschinen wurden auf KI-Engines umgestellt, und der Schwerpunkt liegt auf Die Suche hat sich auch von der allgemeinen Suche zur verfeinerten vertikalen Suche verlagert. Die Empfehlungstechnologie hat auch die Phase der tiefen Integration mit intelligenten Algorithmen eingeläutet.

Am 6. und 7. August 2022 findet die AISummit Global Artificial Intelligence Technology Conference planmäßig als Online-Liveübertragung auf der offiziellen Website der Konferenz mit geschätzten 100.000 Teilnehmern statt. Unter dem Motto „Drive·Innovation·Digital Intelligence“ richtet sich diese Konferenz hauptsächlich an mittlere bis obere Technologiemanager und technische Praktiker von Technologieunternehmen, Unternehmensmanager, die eine digitale Transformation planen/aktuell durchführen, und an Personen, die sich für diesen Bereich interessieren von künstlicher Intelligenz und Unternehmern. Die Konferenz wird außerdem fast hundert technische Eliten bekannter Internet-Technologieunternehmen, Manager traditioneller Unternehmen in der Zeit der digitalen Transformation sowie Experten und Wissenschaftler hochmoderner akademischer Institutionen einladen, um gemeinsam die treibenden Kräfte der künstlichen Intelligenz in der Branche zu diskutieren und zu diskutieren Spitzeninnovationen in der künstlichen Intelligenz. Lassen Sie uns über die Welle der „digitalen Intelligenz“ im Zeitalter der künstlichen Intelligenz sprechen.

Auf dieser AISummit-Konferenz werden in der Sondersitzung „KI-gesteuerte Suche und Empfehlung“ hochrangige technische Führungskräfte und Algorithmusexperten von Alibaba, Tencent, Meituan, Kuaishou und anderen Branchen Informationen aus der Perspektive des zukunftsorientierten Denkens in der Geschäftspraxis austauschen bei der Suche und Empfehlung.

Details zum Thema

Thema 1: Aufbau und Praxis der Such- und Rankingplattform von Meituan

Sprecher: Chen Sheng, Leiter der Such- und Rankingplattform von Meituan

Inhaltsvorschau:

Mit der kontinuierlichen Weiterentwicklung des Einzelhandelsgeschäfts mit Rohstoffen in Meituan, Auch die verwandten Technologien von Meituan Search im Rohstoffgeschäft werden ständig weiterentwickelt. Als wichtiger Teil des gesamten Suchsystems hat das Sortiermodul großen Einfluss auf das endgültige Sucherlebnis des Benutzers. In den letzten Jahren wurde Deep Learning im Bereich Ranking weit verbreitet eingesetzt.

In diesem Thema wird Chen Sheng, der Verantwortliche für Meituan Search and Sorting, die technische Architektur von Meituan Search, den Aufbau der Sortierplattform und die Optimierung des Sortieralgorithmus mit dem Thema ausführlich vorstellen „Aufbau und Praxis der Meituan-Suchsortierplattform“ in allen Einzelheiten und Austausch relevanter technischer Erfahrungen anhand praktischer Fälle.

Thema 2: Fortschritte und Perspektiven der vertikalen Videosuche von Tencent

Referent: Ma Jianqiang, Tencent Senior Researcher, Leiter des Online Video Knowledge Graph

Inhaltsvorschau:

Die vertikale Suchmaschine, die sich von der herkömmlichen Suche unterscheidet, bietet Benutzern Dabei handelt es sich nicht um Hunderte oder gar Dutzende Millionen Suchergebnisse, sondern um extrem enge und präzise spezifische Informationen. Daher bevorzugen Benutzer in bestimmten Szenarien vertikale Suchmaschinen, was ein unvermeidlicher Trend in der Segmentierung der Suchmaschinenbranche ist. Wie man aus umfangreichen Informationen und Nutzerinteressen die tatsächlichen Bedürfnisse der Nutzer ermittelt und Nutzer mit geeigneten Produkten und Dienstleistungen zusammenbringt.

In diesem Thema wird Ma Jianqiang, leitender Forscher bei Tencent und Leiter des Online-Video-Knowledge-Graphs, eine Grundsatzrede zur vertikalen Suche mit der Tencent-Videosuche als Hintergrund halten, einschließlich der wichtigsten technischen Szenarien, der Algorithmusarchitektur und des Fortschritts von Videosuche, modernste Technologietrends wie kurze Videovektorabrufe, Anwendung langer Video-IP-Wissensgraphen und End-to-End-Suche.

Thema 3: Der praktische Ansatz von Alibaba Federation Learning in der Werbung

Referent: Wang Liang (Liangbo) Leitender technischer Experte in der Abteilung für Werbeprodukttechnologie von Alimama, Leiter der externen Werbetechnologie.

Inhaltsvorschau:

Mit dem plötzlichen Anstieg des kurzen Videoverkehrs haben Händler Geschäftsmöglichkeiten im externen Medienverkehr gesehen, aber Direktinvestitionen bringen Probleme mit sich, wie z. B. hohe Kosten für die Post-Link-Effektanalyse. Um Händler besser bedienen zu können, hat das Werbealgorithmus-Team von Alimama Methoden des maschinellen Lernens in groß angelegte Datenanwendungsszenarien der Suchwerbeplattform von Alibaba implementiert, um die Effektivität und Effizienz des Systems zu verbessern. Das Open-Source-Framework Euler Graph Deep Neural Network und das Hyperbolic Space Deep Neural Network Framework des Teams werden mittlerweile von einer großen Anzahl von Industriepartnern und Forschern verwendet. In diesem Thema wird Ihnen Wang Liang, leitender technischer Experte der Alimama-Abteilung für Werbeprodukttechnologie und Leiter der externen Werbetechnologie, die Anwendung des föderierten Lernens in der Alibaba-Werbung ausführlich erläutern und den architektonischen Weg des föderierten Lernens von Alibaba analysieren Framework EFLS Schicht für Schicht.

​

Thema 4: Anwendung von Kausalinferenz und graphischem neuronalem Netzwerk in der Kuaishou-Empfehlung

Sprecher: Zang Xiaoxue, leitender Experte für Empfehlungsalgorithmen

Inhaltsvorschau:

Empfehlungssysteme sind nach und nach zum wichtigsten Mittel geworden, um Menschen dabei zu helfen, Informationen zu filtern und Interessen zu erkunden. Die Sequenzempfehlung zielt darauf ab, das historische Verhalten des Benutzers zu verwenden, um die nächste Interaktion vorherzusagen. Das langfristige historische Verhalten des Benutzers enthält jedoch implizite und verrauschte Präferenzsignale, die den Modellierungseffekt des wahren Interesses des Benutzers verringern. Um diese Herausforderung zu lösen, haben Kuaishou und die Tsinghua-Universität ein Sequenzempfehlungs-Framework SURGE vorgeschlagen, das auf graphischen neuronalen Netzen basiert. Dieses Modell bietet eine neue Perspektive für den Umgang mit Sequenzempfehlungsproblemen und hat auch online enorme Fortschritte erzielt. Darüber hinaus schlugen Kuaishou und die Renmin University of China ein modellunabhängiges Kausal-Lern-Framework IV4Rec vor, wodurch die Wirkung des Empfehlungsmodells verstärkt wurde.

In diesem Beitrag stellt Zang Xiaoxue, ein leitender Experte für Empfehlungsalgorithmen bei Kuaishou, Kuaishous neueste Forschungsergebnisse zu kausalen Schlussfolgerungen und graphischen neuronalen Netzwerkalgorithmen vor. Diese Studien wurden auf führenden internationalen akademischen Konferenzen veröffentlicht Algorithmen Es wurde auch in Kuaishous tatsächlichen Empfehlungsszenarien implementiert und erzielte erhebliche Vorteile für das Online-Geschäft.

​

Reservierungsmethode

Klicken Sie auf ​​ AISummit Global Artificial Intelligence Technology Conference Offizielle Website​​ Oder scannen Sie den QR-Code unten und befolgen Sie die Anweisungen, um die Informationen vollständig auszufüllen und abzusenden, um die Registrierung abzuschließen.

Das obige ist der detaillierte Inhalt vonWie leistungsstark sind KI-gesteuerte Suche und Empfehlung?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!