陈智鸿 阿里巴巴 大淘宝技术 高级算法工程师

个人介绍：陈智鸿，硕士毕业于浙江大学，研究方向为搜索推荐技术及通用模型的基础研究，主要研究成果先后发表在国际顶级学术会议和期刊上，包括SIGIR，CVPR，AAAI，IEEE JBHI等。目前，主要在阿里巴巴集团从事推荐场景召回方面的工作。

演讲题目：流行度偏差如何利用？探索解耦域适应无偏召回模型

演讲介绍：推荐链路大概率会面临流行度偏差问题。在排序阶段去缓解马太效应，破除信息茧房，效率损失较大；而召回阶段作为整条召回链路的基底，在处理流行度偏差上的优势在于：召回阶段一般由多路组成，额外增加一路无偏探索更为平滑。因此，该工作主要探索如何改善召回阶段中的双塔模型来缓解流行度偏差。

演讲提纲：

1. 流行度偏差是什么，为什么

2. 流行度偏差当前主要解决方案

3. 解耦域适应无偏模型介绍

听众收益：

1. 有必要对流行度偏差进行完全消偏吗

2. 如何合理的利用流行度偏差