2019年8月4日至8月8日，ACM SIGKDD(即國(guó)際數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)大會(huì)，簡(jiǎn)稱(chēng)KDD)于美國(guó)阿拉斯加州安克雷奇市舉行。本屆KDD將繼續(xù)聚焦兩大主題——數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)。大會(huì)旨在探討、推進(jìn)其在金融、醫(yī)療保健、生物信息學(xué)、計(jì)算廣告等多個(gè)學(xué)科和行業(yè)的應(yīng)用。

　　大會(huì)上，微眾銀行AI部門(mén)副總經(jīng)理鄭文琛以“AI-driven Innovation In Finance Industry”為主題，分享了微眾銀行AI團(tuán)隊(duì)利用數(shù)據(jù)分析等技術(shù)推動(dòng)金融行業(yè)創(chuàng)新的最新成果。鄭文琛表示，在如今金融科技機(jī)遇與挑戰(zhàn)并行的環(huán)境下，微眾銀行AI團(tuán)隊(duì)致力于通過(guò)深度學(xué)習(xí)、遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等AI技術(shù)，在優(yōu)化金融行業(yè)傳統(tǒng)業(yè)務(wù)的同時(shí)開(kāi)發(fā)新業(yè)務(wù)，如今在數(shù)字銀行的營(yíng)銷(xiāo)、服務(wù)、風(fēng)險(xiǎn)管理等業(yè)務(wù)模塊中已經(jīng)有了較為成功的實(shí)踐。

　　圖：微眾銀行AI部門(mén)副總經(jīng)理鄭文琛發(fā)表演講

　　作為國(guó)際數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘領(lǐng)域最頂級(jí)的學(xué)術(shù)會(huì)議，KDD大會(huì)以論文接收嚴(yán)格聞名，每年的接收率不超過(guò) 20%，因此頗受行業(yè)關(guān)注。在嚴(yán)格的評(píng)審制度下，微眾銀行AI團(tuán)隊(duì)與各高校聯(lián)合提交的與AI精準(zhǔn)營(yíng)銷(xiāo)、智能推薦相關(guān)的兩篇研究論文，成功被KDD收錄：

　　● 論文題目：《Hidden POI Ranking with Spatial Crowdsourcing》

　　● 作者：Yue Cui，Liwei Deng，Yan Zhao，Bin Yao, Vincent W. Zheng & Kai Zheng

　　● 會(huì)議/年份：KDD/2019

　　● 鏈接：https://dl.acm.org/citation.cfm?id=3330844

　　● 論文題目：《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》

　　● 作者：Wenyi Xiao，Huan Zhao，Haojie Pan，Yangqiu Song，Vincent W. Zheng & Qiang Yang

　　● 會(huì)議/年份：KDD/2019

　　● https://dl.acm.org/citation.cfm?id=3330965

　　其中，論文《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》由微眾銀行AI團(tuán)隊(duì)、香港科技大學(xué)團(tuán)隊(duì)共同發(fā)表。論文主要研究了社交內(nèi)容推薦的公平性問(wèn)題，即在現(xiàn)有機(jī)器分發(fā)機(jī)制下，少量熱門(mén)內(nèi)容及其創(chuàng)作者容易變得越來(lái)越熱門(mén)，“馬太效應(yīng)”明顯。為了解決該公平性問(wèn)題，該論文基于社交網(wǎng)絡(luò)屬性，提出一個(gè)Social Attentive Exploration Network(SAEN)模型。該模型在去中心化的思想指導(dǎo)下，通過(guò)對(duì)不同用戶(hù)做個(gè)性化探索和多樣性推薦，實(shí)現(xiàn)了內(nèi)容消費(fèi)者滿(mǎn)意度和內(nèi)容發(fā)布者公平性?xún)蓚€(gè)指標(biāo)的平衡，得到了很好的效果。

　　目前，該研究成果已成功運(yùn)用于微眾銀行AI營(yíng)銷(xiāo)解決方案，主要落地智能推薦業(yè)務(wù)板塊。以財(cái)經(jīng)類(lèi)付費(fèi)媒體-財(cái)新App為例，如今，越來(lái)越多的用戶(hù)付費(fèi)意愿強(qiáng)烈，如何智能化提升推薦效率，抓住意向轉(zhuǎn)化用戶(hù)，并同時(shí)最大化優(yōu)質(zhì)內(nèi)容稿件的公平分發(fā)，成為一大挑戰(zhàn)。微眾AI在對(duì)信息流內(nèi)容進(jìn)行深度學(xué)習(xí)建模的基礎(chǔ)上，利用SAEN模型對(duì)內(nèi)容消費(fèi)者-內(nèi)容-內(nèi)容創(chuàng)作者的關(guān)系圖進(jìn)行兼顧效率和公平的內(nèi)容分發(fā)，鼓勵(lì)更多內(nèi)容創(chuàng)造者和內(nèi)容消費(fèi)者之間的互動(dòng)。由此，讓財(cái)新用戶(hù)讀越多(人均曝光提升13%)，讀越久(人均閱讀時(shí)長(zhǎng)提升19%)，越想讀(人均點(diǎn)擊提升21%)。

　　而另一篇被KDD錄取的論文——《Hidden POI Ranking with Spatial Crowdsourcing》，由微眾銀行AI團(tuán)隊(duì)、電子科技大學(xué)等單位聯(lián)合發(fā)表。論文主要探討如何通過(guò)機(jī)器學(xué)習(xí)加眾包的手段來(lái)發(fā)掘潛在的地理興趣點(diǎn)。為了最大化潛在興趣點(diǎn)的發(fā)掘效率，該論文提出了一種Tree-constrained Skip Search(TSS)算法，來(lái)智能評(píng)估眾包工作者的質(zhì)量，并給他們分配最合適的興趣點(diǎn)排序任務(wù)。

　　在微眾銀行AI營(yíng)銷(xiāo)解決方案中，該研究的概念被借鑒于微眾LBS(Location Based Service)廣告投放業(yè)務(wù)。為了拓展業(yè)務(wù)，經(jīng)常要在新地域投放廣告。微眾團(tuán)隊(duì)通過(guò)挖掘地理興趣點(diǎn)與跨地域的LBS遷移學(xué)習(xí)，利用已投放廣告地域的數(shù)據(jù)，來(lái)優(yōu)化在新地域廣告投放，達(dá)到了很好效果(提升5%)。另外，這一算法能力已被應(yīng)用于微眾銀行的數(shù)據(jù)管理平臺(tái)(DMP)。DMP平臺(tái)基于對(duì)種子客戶(hù)網(wǎng)絡(luò)行為、社會(huì)關(guān)系、LBS等信息進(jìn)行大數(shù)據(jù)畫(huà)像，應(yīng)用算法擴(kuò)展特征相似的客戶(hù)。通過(guò)這一方式，助力廣告主拓展保質(zhì)保量的線(xiàn)上推廣渠道，實(shí)現(xiàn)精準(zhǔn)拉新獲客，降低獲客成本。

　　目前，除了服務(wù)于微眾銀行本身的金融業(yè)務(wù)，微眾銀行同時(shí)開(kāi)放AI能力，積極探索“AI營(yíng)銷(xiāo)+金融”的精準(zhǔn)營(yíng)銷(xiāo)新道路。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀(guān)點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類(lèi)作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。