2019年8月4日至8月8日，ACM SIGKDD(即國際數(shù)據(jù)挖掘與知識發(fā)現(xiàn)大會，簡稱KDD)于美國阿拉斯加州安克雷奇市舉行。本屆KDD將繼續(xù)聚焦兩大主題——數(shù)據(jù)挖掘與知識發(fā)現(xiàn)。大會旨在探討、推進其在金融、醫(yī)療保健、生物信息學(xué)、計算廣告等多個學(xué)科和行業(yè)的應(yīng)用。

　　大會上，微眾銀行AI部門副總經(jīng)理鄭文琛以“AI-driven Innovation In Finance Industry”為主題，分享了微眾銀行AI團隊利用數(shù)據(jù)分析等技術(shù)推動金融行業(yè)創(chuàng)新的最新成果。鄭文琛表示，在如今金融科技機遇與挑戰(zhàn)并行的環(huán)境下，微眾銀行AI團隊致力于通過深度學(xué)習(xí)、遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等AI技術(shù)，在優(yōu)化金融行業(yè)傳統(tǒng)業(yè)務(wù)的同時開發(fā)新業(yè)務(wù)，如今在數(shù)字銀行的營銷、服務(wù)、風(fēng)險管理等業(yè)務(wù)模塊中已經(jīng)有了較為成功的實踐。

　　圖：微眾銀行AI部門副總經(jīng)理鄭文琛發(fā)表演講

　　作為國際數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘領(lǐng)域最頂級的學(xué)術(shù)會議，KDD大會以論文接收嚴(yán)格聞名，每年的接收率不超過 20%，因此頗受行業(yè)關(guān)注。在嚴(yán)格的評審制度下，微眾銀行AI團隊與各高校聯(lián)合提交的與AI精準(zhǔn)營銷、智能推薦相關(guān)的兩篇研究論文，成功被KDD收錄：

　　● 論文題目：《Hidden POI Ranking with Spatial Crowdsourcing》

　　● 作者：Yue Cui，Liwei Deng，Yan Zhao，Bin Yao, Vincent W. Zheng & Kai Zheng

　　● 會議/年份：KDD/2019

　　● 鏈接：https://dl.acm.org/citation.cfm?id=3330844

　　● 論文題目：《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》

　　● 作者：Wenyi Xiao，Huan Zhao，Haojie Pan，Yangqiu Song，Vincent W. Zheng & Qiang Yang

　　● 會議/年份：KDD/2019

　　● https://dl.acm.org/citation.cfm?id=3330965

　　其中，論文《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》由微眾銀行AI團隊、香港科技大學(xué)團隊共同發(fā)表。論文主要研究了社交內(nèi)容推薦的公平性問題，即在現(xiàn)有機器分發(fā)機制下，少量熱門內(nèi)容及其創(chuàng)作者容易變得越來越熱門，“馬太效應(yīng)”明顯。為了解決該公平性問題，該論文基于社交網(wǎng)絡(luò)屬性，提出一個Social Attentive Exploration Network(SAEN)模型。該模型在去中心化的思想指導(dǎo)下，通過對不同用戶做個性化探索和多樣性推薦，實現(xiàn)了內(nèi)容消費者滿意度和內(nèi)容發(fā)布者公平性兩個指標(biāo)的平衡，得到了很好的效果。

　　目前，該研究成果已成功運用于微眾銀行AI營銷解決方案，主要落地智能推薦業(yè)務(wù)板塊。以財經(jīng)類付費媒體-財新App為例，如今，越來越多的用戶付費意愿強烈，如何智能化提升推薦效率，抓住意向轉(zhuǎn)化用戶，并同時最大化優(yōu)質(zhì)內(nèi)容稿件的公平分發(fā)，成為一大挑戰(zhàn)。微眾AI在對信息流內(nèi)容進行深度學(xué)習(xí)建模的基礎(chǔ)上，利用SAEN模型對內(nèi)容消費者-內(nèi)容-內(nèi)容創(chuàng)作者的關(guān)系圖進行兼顧效率和公平的內(nèi)容分發(fā)，鼓勵更多內(nèi)容創(chuàng)造者和內(nèi)容消費者之間的互動。由此，讓財新用戶讀越多(人均曝光提升13%)，讀越久(人均閱讀時長提升19%)，越想讀(人均點擊提升21%)。

　　而另一篇被KDD錄取的論文——《Hidden POI Ranking with Spatial Crowdsourcing》，由微眾銀行AI團隊、電子科技大學(xué)等單位聯(lián)合發(fā)表。論文主要探討如何通過機器學(xué)習(xí)加眾包的手段來發(fā)掘潛在的地理興趣點。為了最大化潛在興趣點的發(fā)掘效率，該論文提出了一種Tree-constrained Skip Search(TSS)算法，來智能評估眾包工作者的質(zhì)量，并給他們分配最合適的興趣點排序任務(wù)。

　　在微眾銀行AI營銷解決方案中，該研究的概念被借鑒于微眾LBS(Location Based Service)廣告投放業(yè)務(wù)。為了拓展業(yè)務(wù)，經(jīng)常要在新地域投放廣告。微眾團隊通過挖掘地理興趣點與跨地域的LBS遷移學(xué)習(xí)，利用已投放廣告地域的數(shù)據(jù)，來優(yōu)化在新地域廣告投放，達到了很好效果(提升5%)。另外，這一算法能力已被應(yīng)用于微眾銀行的數(shù)據(jù)管理平臺(DMP)。DMP平臺基于對種子客戶網(wǎng)絡(luò)行為、社會關(guān)系、LBS等信息進行大數(shù)據(jù)畫像，應(yīng)用算法擴展特征相似的客戶。通過這一方式，助力廣告主拓展保質(zhì)保量的線上推廣渠道，實現(xiàn)精準(zhǔn)拉新獲客，降低獲客成本。

　　目前，除了服務(wù)于微眾銀行本身的金融業(yè)務(wù)，微眾銀行同時開放AI能力，積極探索“AI營銷+金融”的精準(zhǔn)營銷新道路。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。