回到顶部

美团技术沙龙论文分享会:KDD2024 美团专场

Thu, 08 Aug 2024 14:00:00 GMT+08 ~ Thu, 08 Aug 2024 16:00:00 GMT+08
(XianShangHuoDong,)
美团技术团队

Hide

Tickets
    Please select the order price
    More Details

    Event DetailsHide...

    | 关于PPT和回放:

    1. 活动结束后,PPT和回放视频 将会上传至「美团技术团队」小程序,可扫码查看~

    2. B站 回放视频 可点击:https://b23.tv/XEm1VvF

    1.png




    报名成功后添加小助手微信进群

    扫码进群.png扫码进群.png


    | 关于美团技术沙龙

    活动由清华大学-美团数字生活联合研究院深圳市美团机器人研究院联合出品,美团技术团队美团科协主办。

    技术沙龙论文分享会将精选美团在不同领域学术会议上发表的论文,邀请作者分享研究成果,期待与大家交流经验,共同促进技术前沿的探索。

    本期活动为KDD2024专场。


          (点击以上标颜色区域即可跳转


    方形1.png

    /出品人/

    Wei Lin,美团高级研究员

    毕业于北京航空航天大学,2022年加入美团,推进了到家业务商流侧(包括搜索、推荐、营销和供给)算法和工程体系的升级工作,在加入美团之前,负责阿里妈妈搜索广告算法技术,在搜推广领域有超过10年的深耕经验。


    | 日程安排

    微信图片_20240614101621.jpg外部议程.jpg


    | 分享介绍

    2e6c9e80fc9d12196b0011aaf0b9a15.png

    Zhen Zhang, 中国人民大学高瓴人工智能学院博士在读

    2023年加入美团广告部门,在美团全程参与设计了联合拍卖模型和JRegNet神经网络架构的搭建和调试运行。 


    Joint Auction in the Online Advertising Market

    在线广告市场中的联合拍卖


    论文简介:在线广告是电子商务平台的主要收入来源。在当前的广告模式中,受众是那些愿意支付额外费用以提升店铺位置的店主。另一方面,品牌供应商也希望在店铺中为其产品做广告以提升品牌销售。然而,目前使用的广告模式无法同时满足店铺和品牌供应商的需求。为了解决这一问题,我们创新性地提出了一种称为“联合拍卖”的广告模型,允许品牌供应商和店铺共同竞拍广告位,以满足双方的需求。然而,传统的广告拍卖机制并不适用于这种新颖的场景。在本文中,我们提出了JRegNet,一种用于最优联合拍卖设计的神经网络架构,用于生成能够实现最佳收入并保证(近似)占优策略激励兼容和个体理性的机制。最后,我们在模拟数据和真实数据上进行了多次实验,结果表明,我们提出的联合拍卖相比已知的基准显著提高了平台的收入。 

    ---------------------------------------

    2.png

    Kun Sun,美团工程师

    毕业于西安交通大学,2021年加入美团,工作内容主要是外卖C端补贴的定价策略开发和实验效果评估。  


    STATE: A Robust ATE Estimator of Heavy-Tailed Metrics for Variance Reduction in Online Controlled Experiments

    A/B实验中重尾指标的ATE鲁棒估计 


    论文简介:在线控制实验是评估营销活动效果的重要工具。其中,方差缩减方法可以有效地提高实验灵敏度,从而使用更少的样本或更短的实验周期得到置信的实验结论。一些典型的方法如CUPED/CUPAC/MLRATE等已逐步部署到各大公司的实验平台来提高实验的统计功效。在本文中,我们将 t 分布与机器学习工具相结合,来表征重尾指标,通过变分EM优化方法,推断得到一个鲁棒的ATE估计器,我们称之为 STATE。它有效地缓解了离群点的干扰并显著降低了ATE估计的方差。 此外,我们通过利用无偏的线性变换,将 STATE 方法从计数度量(count metric)扩展到比率度量(ratio metric)。 我们在合成数据集和美团外卖的业务数据上都证明了STATE方法的有效性。 

    ---------------------------------------

    44.png

    Hao Zhou,美团技术专家

    主要研究方向是因果推断、近似算法等


    Decision Focused Causal Learning for Direct Counterfactual Marketing Optimization

    营销场景中基于决策的因果学习框架


    论文简介:营销优化对于在线互联网平台的用户增长起着重要作用。现有的研究通常将这个问题表述为预算分配问题,并利用两个完全解耦的阶段,即机器学习(ML)与运筹优化(OR)来解决。 本文提出了一种基于决策的因果学习方法(DFCL),将ML与OR两个阶段集成到一个端到端的因果学习框架中,使得机器学习模型能以下游OR阶段的优化目标作为损失函数,从而保证ML阶段与OR阶段优化方向的一致性。其次,DFCL克服了营销场景中的预算不确定性,反事实推断问题以及计算效率问题等多个技术挑战,使得DFCL可以实现针对大规模在线用户营销场景的直接反事实优化。离线实验和在线 A/B 测试都证明了 DFCL 相对于传统因果推断方法的有效性。目前,DFCL已在美团的多个营销场景部署并应用。 


    | 报名方式

    点击本页面报名,美团同学无需报名,内部大象会有通知~


    往期活动PPT及视频干货攻略

    美团技术沙龙已举办了80多场,吸引了10万多工程师报名参会,覆盖前端、后台、系统、算法、测试、运维等技术领域,往期PPT及视频资料已整理,欢迎关注美团技术团队公众号(meituantech),通过【菜单栏】下的【技术沙龙】进行查看。


    Event Tags

    Recently Participation

    • PTDAI
      Like

      (2小时前)

    • lllxxq
      Register

      (2个月前)

    • 微信用户
      Register

      (2个月前)

    • 宋索源
      Register

      (2个月前)

    • 小强
      Register

      (2个月前)

    • 微信用户
      Register

      (2个月前)

    Question

    All Questions

    • Yan 2个月前

      非常好,持续关注

      0
    • AI 2个月前

      0
    • 咔咔. 2个月前

      0

    OrganizersMore

    美团技术团队

    美团技术团队

    10000+工程师,如何支撑中国领先的生活服务电子商务平台?数亿消费者、数百万商户、2000多个行业背后是哪些技术在支撑?这里是美团、大众点评、美团外卖、美团优选等技术团队对外交流的窗口。

    WeChat Scan

    Share to WeChat→

    Event Calendar   Oct
    M T W Th F Sat Sun
    30 1 2 3 4 5 6
    7 8 9 10 11 12 13
    14 15 16 17 18 19 20
    21 22 23 24 25 26 27
    28 29 30 31 1 2 3

    免费发布