![](/Public/image/icons/duty.png)
![](/Public/image/icons/location.png)
![](/Public/image/wo/wechat-grey@3x.png)
![](/Public/image/wo/phone-grey@3x.png)
![](/Public/image/icons/lock_2.png)
个人介绍
我是一名推荐算法工程师;
我毕业于北京大学,担任过快手的推荐算法工程师,担任过bigo的推荐算法工程师;
负责过快手主站和海外APP的精排模型优化工作,搜索推荐联动项目,SIM推荐模型的开发;
熟练使用python,机器学习,深度学习,大模型训练和应用;
如果我能帮上您的忙,请点击“立即预约”或“发布需求”!
工作经历
2021-10-12 -2023-03-01快手推荐算法工程师已认证
参与主站精排和海外精排工作,基于亿级用户推荐模型迭代,取得时长收益。 主站精排: 特征优化:参与用户和视频测统计特征构建 目标优化:参与用户个性化目标建模,消除用户 bias 模型迭代:负责 ADFM-BSU 推全,长期兴趣序列自适应行为选择 业务项目:参与搜推联动项目,优化搜后看和看后搜流程 海外精排: 目标优化:负责个性化时长目标建模,wtd 时长建模 模型优化:负责 Dual Sim 在海外落地,参与 Sim3.0 在海外落地
2018-07-01 -2021-10-12Bigo推荐算法工程师
Likee,Imo Feed 信息流推荐: 基于千万用户,百万级用户,对短视频,图片,帖子资源构建推荐系统。负责精排,粗 排整个流程构建与优化,曾参与召回,重排优化。 精排:特征方面,特征挖掘,自动统计特征 adf,跨场景迁移特征,笛卡尔积交叉;session 特征挖掘(上次 session 间隔,行为频次分桶),sumpooling,DIN,MHA,CAN;模型优 化,LR,FM,DNN,DeepFM;权重网络:LHUC,L-LHUC;目标优化,DNN 单目标,多目标,分场景多目标,自动调参;目标相关性,ESMM,DBMTL,MMOE。 粗排:单目标,多目标 DSSM,DSSM+单塔,DSSM+交叉,离线缓存优化。 召回:基于先验行为的热门策略(包括单一维度热门,LR 多维度热门, 用户分群); 协同类策略(ucf, icf,swing, postercf, labelcf);泛化向量类策略(node2vec,graphemb,dnn-ucf, dnn-icf);双塔类策略(单目标 DSSM,多目标 DSSM),负采样优化。 重排:多样性打散 dpp,基于序列的多媒体类型预测。
教育经历
2015-09-01 - 2018-07-01北京大学软件工程硕士已认证
技能
![快手推荐系统](https://filescdn.proginn.com/works_1037092/d7977cee67f936ee264352297ee285935055f485.jpeg!work1)
面向国内亿级短视频用户构建推荐系统,提升主站精排和海外APP的用户消费时长。 在特征工程的基础上,采用时长互动目标mmoe+长短期期兴趣序列sim架构,相比传统的DNN结构,提升效果明显。 搜推联动项目,结合搜索和推荐两大展位用户数据,优化不同场景下的时长。
![](https://stacdn.proginn.com/image/icons/zan_1.png)
![Bigo信息流推荐系统](https://filescdn.proginn.com/works_1037092/77912cecfdb44eeac31fb8a1b2c30209036ad89c.jpeg!work1)
Bigo Likee,Imo Feed 信息流推荐:面向海外短视频消费用户,基于千万级月活构建短视频,图片,帖子资源推荐系统,提升用户观看vv,时长和互动行为。 技术方案:在用户,视频,上下文特征的基础上,构建多目标MMOE网络,并通过多目标自动调参优化多目标权重。 Likee Push 推荐:面向海外短视频消费用户,构建亿级用户批量推送Push推荐系统,提升用户点击率。采用汤普森采样+UCB筛选优质Push内容。 Hello 交友匹配:面向国内聊天交友用户,构建在线实时交友匹配系统,综合异性,兴趣,新老用户,等待时长等因素,提升新老用户留存,增加好友率和消费时长。采用二分图匹配算法,最大化匹配权重。
![](https://stacdn.proginn.com/image/icons/zan_1.png)