百度推荐研讨：掘金大数据 搞定个性化

如今，“推荐技术”已渐渐成为引领互联网新浪潮的标志。在这样一个信息爆炸的年代，网民面对海量的信息常常感觉无所适从，而“百度推荐”恰恰能够让漂浮在信息海洋中的网民快捷而准确的找到所需的那“一叶扁舟”。正如《长尾理论》的作者克里斯·安德森所说：We are leaving the age of information and entering the age of recommendation.（我们正远离信息，进入推荐时代。）

2014年5月27日，由百度主办的“百度开放研究—推荐技术研讨会” 在中关村软件园落幕。清华大学唐杰教授、中国科技大学陈恩红教授携手百度资深工程师宋江云、杨帆、袁雨来、马小龙，一同为现场来自40所高校的150余位师生带来一场精彩绝伦的技术研讨盛宴，以“推荐”为题，各论己见。

正如百度张高博士在研讨会开场致辞中所说，“希望以校园品牌为桥梁、以此次交流为契机、以学界与业界的研讨合作为基础，大家共同把技术推向更前沿。” 

清华大学唐杰教授和中国科技大学陈恩红教授从较为宏观的角度对推荐技术的发展和未来进行了主题演讲。唐教授以“大数据时代的用户行为建模”为题，从社交网络的角度分析了有哪些用户行为需要建模。“每天有2.5x1018字节的大数据产生，相当于25亿GB。普通个人电脑硬盘以500Gb容量为例，存储每天的数据需要500万个硬盘。我们要从里面做建模，从数据的本质做分析。”他指出，社交大数据需要我们提升算法的效率，这将对生活产生全新的变革。

陈恩红教授与大家分享了“情景感知的个性化推荐”，谈到“这一话题机遇与挑战并存，大数据时代为我们新的模型方法应用上提供很多机会，同时也有方方面面的挑战。”

百度一直以帮助人们最平等快捷的获取信息为使命，推荐系统旨在帮助用户更快捷的获取所需信息，在如今的信息化海洋中，它的发展不可限量。宋江云首先提纲挈领的分析了百度推荐技术的发展与挑战，指出“在未来的10年，搜索、推荐、社交是互联网发展的三大方向”，他指出，目前网民获取信息的方式有主动和被动两种。主动是指对信息的主动搜索，“百度一下，你就知道。”而想要看小说、电影又没有目标的时候，则可以通过被推荐来发现需要的信息。这种网民被动获取信息的方式，给了“百度推荐”一个很好的舞台。

除了基础的推荐技术研究，百度在垂直领域也进行了推荐的深入探索和实践。推荐系统的一个成功应用之一便是百度音乐推荐技术，互联网音乐是音乐推荐技术发展的最大平台。袁雨来以“百度随心听”为示例与大家分享到，“这是一个非常有趣的产品。音乐是最难做好推荐的，也是最好做推荐的。音乐在多样性和数据规模上，都超过图书、视频及新闻类内容。音乐的数量众多，推荐如大海捞针。且产品线众多，形态多样。我们针对优质音乐进行筛选，缩小计算范围，提升推荐覆盖范围。通过融合不同的数据来源及算法上优势互补，以及个性化推荐来满足用户需求。”

而就百度视频推荐系统，深究原理，就会发现它的算法特征是主动发现用户需求，根据用户的行为去分析，从而了解用户的兴趣。马小龙说：“我们整合图谱，不是想要得到因果关系，而是希望得到关联关系。视频推荐更强调时效性，以及电影、电视剧推荐与短视频推荐。”

关于“百度社区类产品推荐”，杨帆通过列举百度知道、百度帖吧、百度文库的后台计算方法，指出社区产品的价值就在于能够获悉用户的需求，促进创造，从而促进消费。 “百度社区类产品推荐系统每天影响超过千万的用户，推送的高时效性优质贴千量级，点击率提升30%以上，对拉动潜在日活用户收益明显。”

在会议最后的提问环节，现场同学踊跃抢问。其中有同学问到：学生做的是离线测试，这样的价值有多大？单纯练算法，还是也可以应用到真正产品的推荐？袁雨来举了个幽默生动的例子作答：“世界杯快要到了，球员上场踢比赛得苦练多少年？对着墙踢或对着门踢来练，必须得干这个事。离线测试是锻炼你的算法，锻炼你对数据的敏感，从这种练习中你才能发现更多的问题。之后你们会发现实际应用中的数据比你们的数据更复杂、噪音更多。”

本次研讨会吸引了全国高校精英学子积极报名，研讨会自发影响力迅速扩散，包括北大、清华、中科院、人大、北航、北邮等在京知名高校科研院所在内的硕博士生积极参加，甚至也吸引了来自山东大学、电子科技大学、哈尔滨工业大学深圳研究院等外地名校学子的关注。

研讨会分享内容干货十足，与会者都深入了解了百度过硬的技术实力和技术影响力。与此同时，百度和技术专家们也达成共识，希望加强学界与业界“推荐技术”在应用方面的协作，互动交流，深度挖掘学术研究与开发产品在思路上的差异和共同点，为今后的个性化推荐研究提供更好的思路。