eBay推荐系统的多模态与商品嵌入技术实践：提升效能与用户体验

翁力雳 eBay 算法Team Lead，Applied Researcher

个人介绍：我自2021年6月至今一直在eBay担任推荐算法Team Lead。在全站推荐业务中，我带领团队使用算法能力解决多个业务痛点，显著提高了eBay首页与商品详情页的GMV和广告收入。在之前的工作中，我曾在iQIYI爱奇艺公司担任高级机器学习工程师，领导了短视频推荐系统的开发，旨在提供高度个性化的视频推荐。我的学历背景包括香港大学计算机科学的本科与硕士学位，入选过院长荣誉榜（2011/12年，前10%），获得过宋庆龄奖学金。

演讲题目：eBay多模态与GNN商品嵌入技术：提升推荐系统效能与用户体验

演讲提纲：在本次演讲中，eBay的推荐系统专家将深入介绍他们创新性的多模态与图神经网络商品嵌入技术，旨在提升推荐系统的效能与用户体验。通过优化召回模块，整合多模态信息，以及运用图神经网络，演讲者将分享如何解决传统推荐系统中的挑战，提高推荐准确性，并展示这些技术在实际业务中如何根据用户痛点量身定制解决方案，为每一位用户创造更为个性化、精准的购物体验。

听众收益：如何使用算法能力撬动用户痛点的杠杆：深入讨论如何利用算法能力根据eBay业务实际特点解决用户痛点。通过演示多模态商品嵌入和GNN的应用，探索算法在推荐系统中的实际业务场景中如何精准地满足用户需求，提高购物体验，解决用户在推荐系统中可能遇到的问题，为业务实际特点量身定制解决方案。

多模态召回模块优化：通过整合多模态信息，提升召回模块的准确性，解决单一模态在复杂情境下的推荐困难，为用户呈现更相关和个性化的推荐结果。

图神经网络在推荐系统中的实践经验：深入探讨了GNN在构建用户-商品行为交互图上的应用，展示了GNN召回模型的在线实验结果，证明其在提升CTR和PTR方面的显著效果。

扫码报名参加

点击『阅读原文』参与报名~