十年磨一剑,阿里巴巴推荐与搜索深度学习服务体系AI·OS在云栖大会正式亮相

本文涉及的产品
推荐全链路深度定制开发平台,高级版 1个月
简介: 2018年9月21~22日,在以“驱动数字科技”为主题的云栖大会上,阿里巴巴搜索事业部特别推出了“搜索推荐专场”,“推荐与搜索引擎AI·OS专场”,深度参与了这场科技盛宴。   阿里巴巴推荐与搜索引擎平台支持了包括淘宝、天猫、菜鸟、优酷以及海外电商在内的整个阿里集团的推荐与搜索业务,引导成交占据了集团GMV的绝大部分份额。

2018年9月21~22日,在以“驱动数字科技”为主题的云栖大会上,阿里巴巴搜索事业部特别推出了“搜索推荐专场”,“推荐与搜索引擎AI·OS专场”,深度参与了这场科技盛宴。

阿里巴巴推荐与搜索引擎平台支持了包括淘宝、天猫、菜鸟、优酷以及海外电商在内的整个阿里集团的推荐与搜索业务,引导成交占据了集团GMV的绝大部分份额。随着智能化时代到来,引擎平台正日益发展为大数据深度学习在线服务体系(AI Online Serving)。此外,引擎平台还拥有多项领先算法技术,如IBrain深度实时用户感知模型,可建设最完整的静态与动态电商用户兴趣感知网络,能够直接用于用户行为识别、偏好预估、个性化召回、个性化排序等任务中,在搜索、推荐和广告等个性化业务中有广泛的应用场景。

在9月21日的“推荐与搜索引擎AI·OS专场”的分论坛上,阿里巴巴高级研究员、搜索推荐工程技术负责人五福正式发布了阿里巴巴AI·OS系统,其团队向分论坛参与者详实地介绍了,随着智能化时代的到来,在保持原有的全链路10秒级更新延迟的引擎平台之上,AI·OS是如何拓展支持各种深度学习网络预测的灵活拆分,支持超TB的模型,驱动异构计算、实时计算以及深度学习训练平台发展,不断追求效率的极致。

AI·OS系统不仅仅服务于阿里集团的业务,同时也通过阿里云开放搜索OpenSearch产品服务外部开发者。为了更好赋能外部开发者,五福团队正在研发OpenSearch 2.0,进一步把淘宝、天猫更多的搜索核心算法产品化,给开发者提供效果更好、更智能的搜索服务体验,实现一键复制淘宝搜索的能力。此外,在推荐场景,阿里云智能推荐产品也将在近期推出公测,AI·OS系统将进一步赋能给开发者。

a04ae0719d10d6b4abd443f7ac81c4fc626443d9

(上图为阿里巴巴高级研究员,搜索推荐工程技术负责人五福在云栖大会)

淘宝搜索每天所承担的数据量级很大,数十亿级的query、数十亿级的商品、数百万级的卖家以及过半淘宝和天猫的GMV等。如此庞大的数据处理自然离不开灵活、易用和高效的AI·OS。在“推荐与搜索引擎AI.OS专场”上,阿里巴巴资深技术专家兰韬向与会者介绍了淘宝搜索与AI.OS的关系。阿里巴巴高级技术专家吴宗远则带领大家深入了解了阿里推荐系统架构的演进历程,并分享了在整套系统建设过程的经验教训。首先从猜你喜欢总体架构开始讲起,紧接着分享了业务层TPP服务架构,推荐的核心是图,因而重点对全图化推荐引擎进行了分析说明,包括在线图查询引擎iGraph和在线图服务框架SuezTuring。阿里巴巴高级技术专家唐辉天、柳明还介绍了搜索算法在云上产品化的尝试和探索,以及如何给算法开发人员提供简单高效的、端到端的、颠覆式的搜索算法开发、调优和评测体验。阿里巴巴资深开发专家陈乐重点介绍了搜索工程团队在手机淘宝搜索和拍立淘场景中成功落地了多个场景,提升机器学习的实时性、丰富性,改善用户体验并节省服务端计算资源的实践与探索。阿里巴巴高级技术专家李伟分享了其在大规模分布式系统运维管理上的经验,尤其是如何通过在离线混部、弹性调度,自动容量评估和部署优化等方式高效支持每年的双11大促。

0d00ec408cd6c5b6635dc246666baf8488d3c904

(图为推荐与搜索引擎AI.OS专场讲师合影)

而在同一天,阿里搜索事业部搜索推荐算法团队带着“搜你所需,荐你所想”的使命和愿景推出了“搜索推荐专场”。作为赋能淘宝和天猫等产品背后的核心搜索推荐算法技术,吸引了大量的参会者参加,现场可以算是爆满了。

df314454ba635d6f2db8a80eae61ed3bc09309a1

(搜索推荐专场现场参与状况)

阿里巴巴搜索事业部从成立到今年刚好是第十个年头,算法上经过了好几次大的更新换代,包括从最初首次使用机器学习模型,开启千人千面的个性化时代,到大规模机器学习的时代,以及应用在线学习平台实现模型的在线学习和实时更新,到最近的深度学习技术的全面应用等等。经过十年的发展,阿里巴巴的搜索推荐技术已经取得了世界领先的水平。

本次大会上,来自阿里巴巴集团的众多专家对最新的发展方向和研究成果作了详细的解读。其中阿里巴巴研究员郑波重点介绍了多场景和多目标的迁移学习在电商场景中的应用。阿里巴巴资深算法专家邓洪波介绍了新一代的智能交互搜索及其背后的算法。在推荐方面,阿里巴巴资深算法专家欧文武重点介绍了新版的猜你喜欢系统,包括基于图计算和图引擎的新推荐引擎,基于强化学习和多智能体的智能决策,以及如何加速预测和训练提速等方面。来自阿里巴巴的资深算法专家赵斌强从另一角度详细介绍了推荐系统中的向量化,包括商品的向量化和用户的向量化,探讨了如何将各种特征组合以及用户的行为和物品信息融合到一起学习,从而可以增强推荐算法的发现性和冷启动的能力。

77e3e83a80aa1c6421c5337cafd312fdac85e8de

(图为搜索推荐专场讲师合影)

AI·OS(Online Serving),大数据深度学习在线服务体系,由搜索事业部工程与算法同事们砥砺十年而成,支撑起海内外阿里电商全部的搜索和推荐业务,时刻置身大数据主战场,引导成交占据大盘主体;此外,作为中台技术中坚,AI·OS已是包括电商、阿里云、优酷、菜鸟、盒马、钉钉等等在内全集团的基础设施;更为重要的是,AI·OS体系的十年积累,已经透过云产品矩阵服务于全球各行各业的开发者,搜索即服务,推荐即服务已经深入人心,产品创新和服务能力还在持续升级。

目录
相关文章
|
8天前
|
机器学习/深度学习 算法 PyTorch
fast.ai 深度学习笔记(三)(3)
fast.ai 深度学习笔记(三)(3)
24 0
|
8天前
|
机器学习/深度学习 PyTorch 算法框架/工具
fast.ai 深度学习笔记(三)(1)
fast.ai 深度学习笔记(三)(1)
25 0
|
8天前
|
机器学习/深度学习 固态存储 Python
fast.ai 深度学习笔记(四)(2)
fast.ai 深度学习笔记(四)
44 3
fast.ai 深度学习笔记(四)(2)
|
8天前
|
机器学习/深度学习 算法框架/工具 PyTorch
fast.ai 深度学习笔记(五)(4)
fast.ai 深度学习笔记(五)
63 3
fast.ai 深度学习笔记(五)(4)
|
机器学习/深度学习 自然语言处理 Web App开发
fast.ai 深度学习笔记(五)(3)
fast.ai 深度学习笔记(五)
109 2
fast.ai 深度学习笔记(五)(3)
|
8天前
|
机器学习/深度学习 API 调度
fast.ai 深度学习笔记(六)(3)
fast.ai 深度学习笔记(六)
77 6
fast.ai 深度学习笔记(六)(3)
|
机器学习/深度学习 计算机视觉 存储
fast.ai 深度学习笔记(七)(4)
fast.ai 深度学习笔记(七)
81 8
fast.ai 深度学习笔记(七)(4)
|
8天前
|
机器学习/深度学习 自然语言处理 搜索推荐
fast.ai 深度学习笔记(二)(3)
fast.ai 深度学习笔记(二)
84 2
fast.ai 深度学习笔记(二)(3)
|
8天前
|
算法框架/工具 机器学习/深度学习 PyTorch
fast.ai 深度学习笔记(一)(4)
fast.ai 深度学习笔记(一)
11 0
fast.ai 深度学习笔记(一)(4)
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理