2020腾讯犀牛鸟精英人才培养计划课题介绍（九）——信息检索和推荐系统
2020腾讯犀牛鸟精英人才培养计划课题介绍（九）——信息检索和推荐系统精英人才培养计划是一项校企联合人才培养项目，入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养。培养期间，学生将获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台，帮助学生挖掘更多潜能。学生通过“十分精英圈”线上平台，随时获取前沿技术资讯、沉淀科研收获与心得；通过“智学研讨会”及“智享交流会”等线下平台，积极参与海内外顶级学术会议及学术专家交流活动；通过“精英研学营”进阶平台，对话产业专家、修炼职场智慧、开拓创新思维。
2020腾讯犀牛鸟精英人才培养计划
12个前沿方向，69项课题
申报截止日期：2020年1月19日
同学们，记得抓紧时间申报哦！
上期介绍了
课题方向（八）视觉及多媒体计算
这期让我们一起来看看第九个方向吧！
总有一个适合你！
课题方向（九）
信息检索和推荐系统
1推荐系统社交影响力和跨特征域算法研究（地点：北京）
微信推荐场景下拥有丰富的多源异质信息，例如用户基本属性、社交信息和文字图片信息等。本项目以微信推荐为研究对象，可在以下课题中选择：（1）探索微信社交推荐场景中的用户传播和影响力最大化问题，充分利用微信生态独有的社交网络和用户行为信息提升推荐效果；（2）探索跨特征域下迁移学习和多任务学习等最新模型在序列化推荐中的应用。
导师简介
腾讯专家研究员，中国科学院计算技术研究所毕业。当前负责微信搜索和推荐的技术研发和产品应用。在ACL、EMNLP、KDD、SIGIR、AAAI、IJCAI等顶会上发表过多篇文章，拥有相关领域多项专利。
2广告推荐中的关联关系挖掘（地点：上海）
关系抽取旨在从Web文本中确定关系事实，以构建知识库或驱动上层应用。现实世界中的关系事实种类繁多而稀疏，且随时间动态演化。传统抽取技术因不能收集无限类别和足够数量的样本来训练而丧失效用，例如关系元组（华为，5G产品，HUAWEI Mate30）。传统技术在没有重新训练模型去适应“5G产品”这种未见过的新兴关系前是无法识别它的。而重新训练模型需要耗费很高成本。为此，本项目拟利用深度学习方法，研究零启动关系抽取关键技术，快速实现对新出现或稀有类别的迁移学习，使模型在新的关系类型出现时依然有效、一劳永逸，从而降低训练成本和提高应用效率。
导师简介
腾讯专家研究员，上海交通大学电子系硕士毕业。目前负责广告创意优化方向的研发工作。其研究领域包括图像与视频理解、商品和广告推荐算法、商品知识图谱等。
3转化率预估任务中的数据延迟问题（地点：深圳）
在线广告投放场景中，转化数据存在明显的延迟现象，给转化率预估任务带来了诸多问题。本课题旨在寻找对应的解决方案，例如建立转化延迟模型、改进预估算法，降低转化延迟带来的影响，提升转化率预估准确性。
导师简介
腾讯高级研究员，日本东京大学计算机博士。主要研究方向为计算机视觉、广告点击率预估优化、强化学习及其应用等。曾在ACCV和VAST等多个国际会议及期刊上发表论文，担任过PRL和IROS等多项期刊及会议的审稿人，并组织过IWRCV国际研讨会，任Local Chair。
4在线广告场景中的多目标预估（地点：深圳）
在线广告场景中，需要同时对不同类型的多个目标进行预估。其挑战在于，各目标训练样本量不平衡以及各目标点击率差异非常大。本课题旨在找到一种合适的方案，例如改进多任务学习的模型结构等，解决上述挑战，获得更稳定和准确的预估结果。
导师简介
腾讯高级研究员，华中科技大学数学与应用数学、生物医学工程博士。博士期间主要从事医学图像重建算法、优化算法的研究。目前主要从事广告点击率预估，在线学习算法研究。以第一作者发表A类期刊论文3篇。
5搜索相关性和排序模型前沿技术研究（地点：北京）
语义相关性和排序是搜索的核心模块。本项目以微信搜索为研究对象，旨在探索最新前沿技术对搜索的影响。可在以下课题中选择：（1）探索多任务迁移学习和预训练模型等深度学习技术在语义相关性和Query改写中的应用；（2）在有噪声的真实移动场景下探索最新无偏排序学习算法，利用多目标排序模型提升搜索的排序质量。
导师简介
导师1：腾讯专家研究员，中科院计算所博士。主要研究方向包括信息检索、自然语言处理、问答系统及数据挖掘。近年来，在人工智能、自然语言处理等顶会（ACL、EMNLP、AAAI、IJCAI等）上发表多篇高质量论文，主要集中于知识图谱、信息抽取、对话系统等领域，并拥有多项相关技术专利。
导师2：腾讯专家研究员，西安电子科技大学毕业。主要研究方向为信息检索、自然语言处理和机器学习等。当前负责微信搜索的技术研发和产品应用。拥有多项相关技术专利，并在ACL、AAAI等顶会上发表过多篇文章。
6推荐系统强化学习前沿技术研究（地点：北京）
强化学习近年在大规模推荐系统中开始得到广泛应用，在微信推荐中也初见成效。本项目旨在探索最新强化学习模型，并应用于微信大规模推荐系统的排序等模块，通过自动的Reward学习来提高长期用户留存等传统Ctr指标难以度量的指标。
导师简介
腾讯专家研究员，中国科学院计算技术研究所毕业。当前负责微信推荐的技术研发和产品应用。在ACL、SIGIR、AAAI等顶会上发表过多篇文章，并拥有多项相关技术专利。
“信息检索与推荐系统”有哪个课题戳中你吗？
了解更多课题方向请访问链接
https://www.withzz.com/project/detail/54
或直接扫描下方二维码查看
“2020腾讯犀牛鸟精英人才培养计划申报指南”
页:
[1]