AI 기반 검색 및 추천은 얼마나 강력합니까?

저자 Yunzhao

사용자와 정보 사이에는 검색도 있고 추천도 있습니다. Baidu의 Shen Dou 부사장은 컨퍼런스에서 다음과 같이 말했습니다. 사람들은 검색에 너무 익숙해서 검색의 기술적 변화를 느낄 수 없습니다.

오늘날 검색은 브라우저, WeChat, Alipay, 매일 로그인하는 기타 앱에 이르기까지 모든 곳에서 가능합니다. 검색을 사용하여 필요한 정보를 필터링하는 데 익숙합니다. "검색"은 인터넷 시대의 기본 기술이 되었습니다. 블록체인이나 Web3와 같은 신기술처럼 우리 눈에 더 이상 "존재감"이 없습니다.

정말 중요한 것은 종종 우리가 당연하게 여기지만 인식하지 못하는 것입니다.

정보량이 폭발적으로 증가하는 빅데이터 시대에 전통적인 검색도 지능형 검색의 시대로 진화했습니다. AI 기반 검색 엔진을 통해 기계는 텍스트를 읽을 수 있을 뿐만 아니라 음성과 그림도 이해할 수 있습니다. AI 기술은 검색의 지속적인 진화를 위한 원동력을 제공합니다.

그렇다면 검색을 더 빠르고, 정확하고, 개인화하고, 지능적으로 만들어 사용자의 요구를 이해하기 위해 인터넷은 어떤 긍정적이고 혁신적인 탐구를 해왔을까요?

2016년 Google은 역전파 기술을 기반으로 하는 RankBrain 알고리즘을 출시했습니다. 이 알고리즘은 사용자가 의미 분석 및 어휘 연관을 기반으로 인기 없는 검색 결과를 더 빠르게 검색하는 데 도움이 됩니다.

2021년 Google은 NLP 분야에서 인기 있는 사전 학습된 언어 모델인 BERT를 Google 검색에 배포할 예정입니다. 텍스트의 큰 단락을 입력해도 검색 엔진은 사용자가 검색하려는 내용을 얻을 수 있습니다. BERT 도입으로 검색 결과가 최소 10% 향상되었습니다.

국내 검색 분야에서도 AI 검색 적용이 본격화되고 있습니다.

바이두는 2015년 멀티모달 검색 개념을 제안해 텍스트 검색에서 음성, 영상, 영상 등 멀티모달 검색으로의 진화를 모색하고 있다. 벡터 검색, 이종 검색 등. 구조 컴퓨팅, 지식 그래프, 비디오 이해와 같은 기술은 수년간의 기술 축적을 거쳐 Tencent Video 및 Tencent Kandian에 성공적으로 적용되었으며 Meituan Search는 AI 검색 엔진으로 변모했습니다. 판매자, 테이크아웃, 콘텐츠 및 기타 핵심 검색 시나리오 비즈니스 지표 성능이 향상되었습니다.

검색이 사람들이 정확한 콘텐츠를 찾는 데 도움을 주는 것이라면, 추천은 콘텐츠를 적합한 사람들에게 정확하게 푸시하는 것입니다. 2021년에 Kuaishou와 Tsinghua University는 그래프 신경망을 기반으로 한 새로운 시퀀스 추천 프레임워크 SURGE를 제안하여 2021년에 Alimama의 알고리즘 엔지니어링 팀과 Alimama의 외부 광고 알고리즘 팀이 Elastic-Federated를 오픈 소스화했습니다. - Learning-Solution(탄력적 연합 학습 솔루션) 프로젝트는 개인 정보 보호 및 알고리즘 이론을 활용하여 Alimama의 비즈니스 시나리오에 연합 학습 이론을 도입합니다.

AI 기술이 지속적으로 발전하면서 주요 인터넷 기업들은 사용자와 밀접한 첨단 트랙인 지능형 검색 및 추천에 대한 투자를 늘리고 있습니다! 지능형 검색 및 추천과 관련된 더 많은 첨단 기술을 미리 확인하고 싶다면 AISummit "AI 기반 검색 및 추천" 특별 세션이 그 답을 줄 수 있다고 믿습니다!

놓칠 수 없는 서밋 특별세션

디지털 변혁의 물결은 전통적인 검색 엔진이 AI 엔진으로 업그레이드되는 등 검색 추천 기술에 새로운 진화를 가져왔습니다. 검색 역시 일반 검색에서 세분화된 수직 검색으로 전환되었으며, 추천 기술은 지능형 알고리즘과의 심층 통합 단계를 더욱 발전시켰습니다.

2022년 8월 6일과 7일, AISummit 글로벌 인공지능 기술 컨퍼런스는 예정대로 컨퍼런스 공식 홈페이지를 통해 온라인 생중계로 진행되며, 참석 인원은 약 10만 명입니다. 'Drive·Innovation·Digital Intelligence'를 주제로 진행되는 이번 컨퍼런스는 주로 중·고급 기술 관리자 및 기술 기업의 기술 실무자, 디지털 트랜스포메이션을 계획 중이거나 진행 중인 사업 관리자, 해당 분야에 관심 있는 사람들을 대상으로 진행된다. 인공지능과 기업가. 또한 이번 컨퍼런스에는 유명 인터넷 기술 기업의 기술 엘리트, 디지털 변혁 시대의 전통 기업 관리자, 첨단 학술 기관의 전문가 및 학자 등 100여 명을 초청해 인공지능이 산업을 이끄는 원동력에 대해 공동으로 토론하고 논의할 예정이다. 인공지능의 최첨단 기술, 인공지능 시대의 '디지털지능' 물결에 대해 이야기해보자.

이 AISummit 컨퍼런스의 'AI 기반 검색 및 추천' 특별 세션에서는 Alibaba, Tencent, Meituan, Kuaishou 및 기타 업계의 고위 기술 리더와 알고리즘 전문가가 비즈니스 실무 관점에서 정보를 공유합니다. 검색과 추천에서

주제 세부정보

주제 1: 메이투안 검색 및 순위 플랫폼 구축 및 실습

발표자: 메이투안 검색 및 순위 책임자 Chen Sheng

콘텐츠 미리보기:

메이투안 소매 상품 사업의 지속적인 발전과 함께, Meituan Search의 상품 비즈니스 관련 기술도 전체 검색 시스템의 중요한 부분으로서 지속적으로 반복되고 있으며, 정렬 모듈은 사용자의 최종 검색 경험에 큰 영향을 미칩니다. 최근에는 랭킹 분야에서 딥러닝이 널리 활용되고 있습니다.

이 주제에서는 Meituan 검색 및 정렬 담당자인 Chen Sheng이 다음을 주제로 Meituan 검색의 기술 아키텍처, 정렬 플랫폼 구축, 정렬 알고리즘 최적화에 대해 자세히 소개합니다. "메이투안 검색 정렬 플랫폼의 구축 및 실습"을 모두 다루고 실제 사례를 통해 관련 기술 경험을 공유합니다.

주제 2: Tencent 비디오 수직 검색의 진행 상황 및 전망

연사: Ma Jianqiang, Tencent 수석 연구원, 온라인 비디오 지식 그래프 책임자

콘텐츠 미리 보기:

기존 검색과 다른 수직 검색 엔진은 사용자에게 그 결과는 수백, 심지어 수천만 개의 검색 결과가 아니라 매우 좁고 정확한 특정 정보입니다. 따라서 특정 시나리오의 사용자는 수직형 검색 엔진을 선호하며 이는 검색 엔진 산업 세분화에서 피할 수 없는 추세입니다. 방대한 정보와 사용자 관심분야에서 사용자의 실제 요구 사항을 찾아내고, 사용자에게 적합한 제품 및 서비스를 연결하는 방법을 안내합니다.

이 주제에서는 Tencent 수석 연구원이자 온라인 비디오 지식 그래프 책임자인 Ma Jianqiang이 Tencent 비디오 검색을 배경으로 주요 기술 시나리오, 알고리즘 아키텍처 및 진행 상황을 포함하여 수직 검색에 대한 기조 연설을 할 예정입니다. 영상 검색, Short Video Vector Recall, Long Video IP 지식 그래프 적용, End-to-End 검색 등 첨단 기술 동향.

주제 3: 광고에 대한 Alibaba Federation Learning의 실용적인 접근 방식

발표자: Wang Liang (Liangbo) Alimama 광고 제품 기술 부서의 수석 기술 전문가이자 외부 광고 기술 책임자입니다.

내용 미리보기:

단편 영상 트래픽이 급격하게 증가하면서 가맹점들은 외부 미디어 트래픽에서 사업 기회를 보았지만, 직접 투자에는 링크 후 효과 분석 비용이 많이 드는 등의 문제가 있었습니다. 판매자에게 더 나은 서비스를 제공하기 위해 Alimama의 광고 알고리즘 팀은 Alibaba 검색 광고 플랫폼의 대규모 데이터 응용 시나리오에 기계 학습 방법을 구현하여 시스템의 효과와 효율성을 향상시켰습니다. 팀의 오픈 소스 오일러 그래프 심층 신경망 프레임워크와 쌍곡선 공간 심층 신경망 프레임워크는 현재 수많은 업계 파트너와 연구원에서 사용되고 있습니다. 이 주제에서는 Alimama 광고 제품 기술 부서의 수석 기술 전문가이자 외부 광고 기술 책임자인 Wang Liang이 Alibaba 광고에서 연합 학습을 적용하는 방법과 계층별 분석에 대해 심층적으로 설명합니다. Alibaba의 연합 학습 프레임워크 EFLS의 아키텍처 경로입니다.

​

주제 4: Kuaishou 추천에 인과 추론 및 그래프 신경망 적용

발표자: Zang Xiaoxue, 수석 추천 알고리즘 전문가

내용 미리보기:

추천 시스템은 점차 사람들이 정보를 필터링하고 관심사를 탐색하는 데 도움을 주는 주요 방법이 되었습니다. 시퀀스 추천은 사용자의 과거 행동을 사용하여 다음 상호 작용을 예측하는 것을 목표로 하지만 사용자의 장기적인 과거 행동에는 암시적이고 잡음이 많은 선호 신호가 있어 사용자의 진정한 관심에 대한 모델링 효과가 감소합니다. 이 문제를 해결하기 위해 Kuaishou와 Tsinghua University는 그래프 신경망을 기반으로 한 시퀀스 추천 프레임워크 SURGE를 제안했습니다. 이 모델은 시퀀스 추천 문제를 처리하기 위한 새로운 관점을 제공하며 온라인에서도 큰 이점을 얻었습니다. 또한 Kuaishou와 중국 인민대학교는 모델 독립적인 인과 학습 프레임워크 IV4Rec를 제안하여 추천 모델의 효과를 높였습니다.

이번 공유에서는 Kuaishou의 수석 추천 알고리즘 전문가인 Zang Xiaoxue가 인과 추론 및 그래프 신경망 알고리즘에 대한 Kuaishou의 최신 연구를 소개할 예정입니다. 이러한 연구는 주요 국제 학술 회의에 발표되었으며 관련 알고리즘도 구현되었습니다. Kuaishou. 추천 시나리오에서는 상당한 온라인 비즈니스 이점을 얻었습니다.

​

예약 방법

​​AISummit Global Artificial Intelligence Technology Conference 공식 웹사이트​​를 클릭하거나 아래 QR 코드를 스캔하고 안내에 따라 정보를 완전히 입력한 후 제출하세요. 등록을 완료하세요.

위 내용은 AI 기반 검색 및 추천은 얼마나 강력합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!