【IT168 专稿】2016年5月14日，第七届中国数据库技术大会(DTCC 2016)的最后一天，大雨也挡不住大家的热情。作为国内数据库与大数据领域最大规模的技术盛宴，在为期三天的会议中，大会围绕MySQL、NoSQL、Oracle、缓存技术、云端数据库、智能数据平台、大数据安全、数据治理、大数据和开源、大数据创业、大数据深度学习等领域的前瞻性热点话题与技术展开了深入探讨，这场饕餮盛宴也即将接近尾声。

　　经常网购的童鞋肯定会发现，各大电商网站好像能隔空读懂人心一样，往往是你想买什么，你喜欢什么或者你需要什么，就恰好会推荐给你。这种“私人订制”的用户体验是不是感觉超棒。那这是如何做到的呢?如何处理实时性呢?14日下午《推荐系统架构及算法》专场，时趣互动、腾讯、当当、京东都分享了各自的电商个性化之路。

▲时趣互动移动广告架构师宋慧庆

　　利用推荐引擎实现电商个性化动态创意

　　时趣互动移动广告架构师宋慧庆以“这是一个个性化的时代”开篇，分享了电商个性化创意是建立在了解和掌握每位消费者独特的偏好和习性的基础之上，对消费者的购买需求做出准确的预期或者引导，在合适的位置，合适的时间，以合适的形式向消费者呈现与其需求高度吻合的广告。除此之外，宋慧庆也讲解了推荐系统的整体架构，DCP推荐架构，Hbase使用经验，redis使用经验等。同时，他也表示时趣互动是基于规则的推荐，而个性化推荐技术也面临着数据稀疏性问题、冷启动问题、大数据处理与增量计算问题、多样性与精确性两难困境等挑战。下一步的推荐技术将会是推荐系统的偏好聚合、推荐系统中的主动学习、多准则推荐系统、具有健壮性的协同推荐。

▲腾讯TEG数据平台部高级工程师张磊

　　腾讯个性化精准推荐

　　腾讯TEG数据平台部高级工程师张磊从推荐业务介绍、精准推荐架构的演进、推荐引擎设计与实现三方面分享了腾讯的个性化精准推荐。张磊表示，目前所面临的核心技术挑战是如何在100ms的时间内(移动端可能只有50ms)，面对8亿活跃用户中的任意一人，预测其在未来下一秒内，最可能点击10000个广告主提供的250000个广告中的哪一个?腾讯一直走在细化粒度，增加维度的道路上。张磊表示未来腾讯希望可以更加实时，更加精准，更加通用，在线学习和深度学习融合。

▲当当网推荐&NLP开发经理张相於

　　推荐系统架构演进典型套路

　　当当网推荐&NLP开发经理张相於将推荐系统架构的发展历程概括为“算法时代、野蛮生长、架构为主”三个时期。算法时代以数据积累、业务需要为动机，主要特点有人工干预少、特殊逻辑少、意图单纯等。野蛮生长时期效果好可以继续推广，效果不好就需要积极改进。一个好的架构师一定是踩遍了所有能踩的坑。野蛮生长是逐步发展、潜移默化、长期存在的。避免“僵尸逻辑”。最后张相於表示，架构是水到渠成，不是杞人忧天；避免拿来主义，探索自身特点；不要怕混乱，混乱代表空间。

▲京东数字营销业务部架构师包勇军

　　京东广告和推荐系统的机器学习系统实践

　　京东数字营销业务部架构师包勇军表示京东主要解决的问题是机器学习在排序算法中的应用，其特点是实时、在线、广告、推荐的混合系统。机器学习系统的核心----浅层模型时代。浅层模型算法是大规模稀疏性特征建模，核心优化方向是特征。包勇军对特征组合算法、特征系统、架构演化、模型效果评估等都进行了分享。他说，浅层模型训练系统的核心问题是---大数据的效率问题。从浅层模型过渡到深度学习，面临着现有算法系统以及效果如何平滑过渡，离散特征如何建模的问题。其对稀疏离散特征的DNN建模方法，方案优化，方案升级也一一进行了分享。

▲更多大会资讯，请查看大会专题：http://www.it168.com/redian/16DTCC/