在商品推荐中精准量化用户的购买意图，京东智能广告实验室论文被ECML收录

在电商推荐中，如何辨识用户的选品意向一直是一个有趣的话题。用户的选品意向从表现上，覆盖面广，影响因素多，成因复杂，又难以预测。这些意向可能是长时意向，短时意向，广泛的浏览意向，或精准的购买意向。传统的推荐方法，很难对这些意向做到精确地量化地区分，从而造成意向识别不充分，系统反应不敏捷，推荐选品重复，浪费资源位等诸多问题。如何设计推荐系统，使其通过动态排序去合理的解决这一问题，一直以来，都是电商研究人员关注的焦点。攻克这一难题，可以带来大幅地用户转化提升以及改善用户体验的目的。

针对以上问题，京东智能广告实验室推荐团队提出了一种深度学习与多臂老虎机相结合的动态排序机制，这种全新的推荐方式，不仅充分结合了深度学习原有的处理海量数据，高效抽取数据特征并进行量化的模型特性；同时通过多臂老虎机对用户的不同意向进行精准量化，实时监控，对用户每次线上行为做出更加敏捷的分析，实时的改变排序策略，达到深层次建模选品的目的。这篇论文，不仅给出了非常具体的工程实现方式，而且从理论上对于方法的最优性予以了充分的数学证明，使广大从业者在应用时能够做到“证其优、知其优、观其优”。

据京东集团副总裁、商业提升事业部总裁，同时也是京东智能广告实验室负责人颜伟鹏博士介绍，这种深度学习与强化学习相结合的推荐方式，是继Google, Uber, DeepMind等大型国际人工智能研究机构在围棋、电竞、智能驾驶等领域应用后，在推荐领域上的首次大规模工业应用，无论国内或是国外，均属领先水平。深度动态排序的在京东电商推荐的成功（新系统对于多项推荐核心指标均带来了非常可观的提升：销售额+16.7%，转化+2.6%）充分说明，人工智能对于电商而言充满了想象空间。如何更好地对电商、计算广告等领域中诸多问题进行建模，有朝一日在电商领域实现强人工智能，这些话题对于每一个算法从业人员来说，都意义深远且大有可为。