DMP用户画像挖掘
合理设计用户画像数据模型,并对重要属性进行精准挖掘,像用户的基础属性,年龄、性
别、收入等级以及印度的头部官方语言,如印地、古吉拉特、泰米尔等9种语言的挖掘,达
到了极高的准确率。同时实现最优技术选型(neptune图数据库)和架构设计, 保证用户画像
的上层应用高效、实时、精准。 极大帮助内容团队提升了内容推荐效果,以及商业化广告
的投放效率;并帮助广告研发团队获得“年度优秀团队”,个人获得“优秀员工”;
广告算法基础能力建设
为规范模型上线流程、提高离线实验以及上线效率,设计了从日志、样本、特征、训练、推
理、策略的完整pipline链路架构;同时,对离线链路和线上服务性能进行了深耕优化,大幅
节约成本的同时,提升了性能;再,不断对模型库扩充升级,支持常用功能网络,如:
DCN/DeepFM、同构异构图神经网络(GNN,GCN,GAN)、时间序列(Attention/DIN)、多目
标(ESMM, MMOE,PLE)等,并对其进行单机多卡,多机多卡分布式改造,进一步提升离线
实验效率;
广告预估系统搭建
规划搭建广告推荐系统召回+粗排+精排+重排链路架构。根据业务特点,在召回侧实现了用
户基础属性、长短兴趣、图关系、行为序列、双塔模型等多路召回,召回命中等指标大幅提
升;除此,非展示类广告场景,在外部CPI-DSP&内部直客CPI订单竞价广告线索,通过对
CVR预估模型进行不断的特征迭代和模型结构优化,使日均收入大幅提升15%+;同时部分
解决了因引入外部DSP带来的攻防问题,如,探价、新单套量等;另,对CVR预估系统中固
有的归因延迟问题,以及长尾订单学习不充分的问题进行了有效探索,专利一篇 1
广告策略&机制设计
在实现了流量的价值预估后(ctr/cvr/dcvr .etc),迈向投放效率进一步提升的深水诉求,
如,冷启、控量、预算pacing、预算自动分配、流量混量、量价关系等。尤其是CPI预算类
型下,因归因延迟问题,订单超量严重,浪费极大,带领团队介入后,根据各渠道流量特
点,有针对性地设计控量策略,实现了订单的精准交付,且大幅节约流量成本达33%;再,
根据全渠道流量质&量特点,设计预算自动分配策略,推动策略周边建设至最终落地上线,
以满足客户在量和质上的需求,实现预算高质量交付,助力平台运营向更加量化、精准化、
自动化方向迈进;另,使用throttling思想,通过控制各流量质量分层上的参竞率,以实现对
预算消耗速率的控制,以及满足广告主对成本约束,同时优化了竞价生态。专利一篇 2
网盟流量反作弊
接入网盟渠道流量后,风控问题严峻,出现了大量的click_flooding, bots等作弊现象;首先,
通过使用后验指标如,cvr、ctit等进行渠道风险管理;然后构建click_flooding+bots双模型双
闸门结构,辅以动态精细化阈值反馈控制方法,实现了过滤COI(filtered clicks over filteredinstalls)>20,即,在损失极少installs的前提下,过滤掉15%∼20%的风险流量,极大遏止了
交付风险,保障了平台收益与声誉;同时,技术上对模型进行cost sensitive loss改造,有效
的解决了因过滤引起的过滤偏置问题,大幅降低模型更新成本;
RTB(Real Time Bidding)广告智能出价
流量侧接入Google Adx,预算结构以平台直客预算为主,杂以头部三方DSP进行保护性策
应;针对出价,设计四层智能出价策略,其中包括:价值预估层(Utility Estimation) 、广告
主成本控制层、平台成本控制层、机制策略层;针对不同的预算类型(cpm/cpc/cpi/cpa)的流
量价值预估流量价值预估,沿用召回+粗排+精排链路,采取多段(ctr +cvr+dcvr)架构。
同时先后采用线性出价策略、删失回归模型进行出价预估(Cost Estimation / Bid LandscapeForecasting),保证交付的同时最大化平台收益。期间在大幅提升平台交付能力的同时,将平
台ROI从0.8大幅提升到1.7,成果显著。
智能定向&行业优化
使用图数据库AWS-Neptune升级DMP基础架构,建设平台内外用户行为图谱,尽可能囊括平
台历史所有用户的干净、精准且实时的行为,以及用户和行为对象丰富且精准的属性,并实
现线上分钟级策略提取,大大提高了广告定向召回的灵活性、准确性与实时性,尤其使
Ocpm的探索阶段得以更高效;同时可导出底层图关系进行关系挖掘,输出关系特征,辅以
semi-sumpervised learning进行更加精准的定向;在金融信贷行业的深度KPI优化实践中,实
现了审贷率从0.4%到7%的飞跃,游戏真金注册率从30%提升到40%;
智能创意生成
在电商广告场景中,针对广告创意投放过程中因素材疲劳导致的效果衰减问题,立项创意智
能生成项目,确定了多图内容聚合+动态特效,静态单图风格优化的技术路线。前期关注商
品创意内容本身与用户的相关度,增强用户兴趣点捕捉能力,后期优化单图风格,提高单图
的质量分和视觉体验;在多图聚合的过程中,使用大量的显著性目标检测策略,如
superpixel,U2 network系列等等,实现了主图内容精准识别、分割,离线进行了背景智能替
换、组合。线上投放效果较原始创意效果提升1倍,效果显著;

使在HackGrowth团队,根据PageRank计算平台网页链接权重,并参考页面流量分布,对平
台页面内 链接进行合理规划和设计,进行搜索引擎优化(SEO),实现外部导流。
使用Python-Scrapy创建网络爬虫,及创建维护稳定IP代理池,利用爬取百度query搜索相关
词条对网站进行内容建设和搜索引擎优化。
使用Java-Netty异步IO框架构建异步高并发搜索Suggest服务,单节点并发量(QPS)达
27,000+。使用trie树以及模型HMM和RNN构建搜索suggest内容。
使用Java-Netty异步IO框架构建搜索召回策略融合服务,实现基于热度、相关度、时新度,
用户行为等策略的多路召回。

搜索引擎优化SEO策略,引导外部搜索引擎流量增长。
优信网站后端开发
个人技能树
基础技术栈
基础语言,python/c/php/go/java/scala/pyspark/shell
基本架构,mysql/redis/mongodb/ElasticSearch/kafuka/rabbitmq/Faiss/neptune(类似neo4j)/
hadoop/spark/docker
AI算法
机器学习框架: Sklearn/Keras/Tensorflow/Pytorch/Huggingface等
预估系统排序召回相关算法XGB/LightGBM/DCN/DeepFM/DIN/SIM/DSIN/ESMM/MMOE/
PLE/Swing/DSSM/MMR/DPP/UCB/LinUCB;延迟归因模型如,DFM等;
NLP相关算法及框架,传统语言模型(N-Gram)/HMM/Word2Vec/TextCNN/RNN/LSTM/
GRU/Seq2Seq/Transformer/BERT/Huggingface
知识图谱图相关,NER(命名实体识别)
表示学习(Embedding),图神经网络相关算法,如Deepwalk, LINE, Node2vec, GNN,GCN,
GAN(Graph Attention Network),以及基于异构网络meta-path的GAN
CV计算机视觉相关算法。行为识别,基于C3D系列,SlowFast系列算法;目标检测,VIT/
TNT/SWIN/MAE/Deeplab系列;图像分割,U-NET/U^2NET/Deeplab系列;图像检索,EMD
距离/Gabor滤波器/PHOG形状特征提取/SIFT特征点提取;图像生成,对抗生成GAN系列,扩
散模型(Diffusion Model)
强化学习,基于价值的DQN,Double DQN, Dueling DQN算法;基于策略的Actor-Critic/A3C/
PPO/DPPO/DDPG等算法
时间序列分析与预测。趋势预测Prophet;短序预测ARIMA;多目标长序列预测Informer
半监督学习,有效数据增强SMOTE/Flexmatch/Mixmatch,无监督学习,聚类算法如,
Kmeans,DBSCAN,光谱聚类,manifold learning等
最优化理论相关的各种规划算法,如路径规划、背包问题等