美团技术团队
·
KDD 2024 | 美团技术团队精选论文解读
内容提要
ACM SIGKDD是知识发现和数据挖掘领域的顶级国际会议。由SIGKDD组织的KDD Cup竞赛是数据挖掘领域中具有很大影响力的事件。本文选择和解读了美团技术团队在KDD 2024中发表的5篇长文，涵盖了用户意图感知、机器学习和优化、在线控制实验、联合广告模型和实时调度决策等各个技术领域。这些论文是美团与大学和研究机构合作的成果。此外，美团的BlackPearl团队参加了KDD Cup-OAG Bench竞赛，并在三个赛道中获得第一名。
关键要点
-
ACM SIGKDD是数据挖掘领域的顶级国际会议，KDD Cup是其主办的重要赛事。
-
美团技术团队在KDD 2024中发表了5篇长文，涵盖多个技术领域。
-
美团的BlackPearl团队在KDD Cup-OAG Bench竞赛中获得三个赛道的冠军。
-
第一篇论文提出了基于双重意图转换的搜索推荐联合模型，提升了推荐系统的效果。
-
第二篇论文提出了联合拍卖模型，解决了在线广告中店铺和品牌供应商的需求问题。
-
第三篇论文提出了STATE方法，降低了在线控制实验中ATE估计的方差。
-
第四篇论文提出了基于决策的因果学习方法，集成了机器学习与运筹优化。
-
第五篇论文利用配送员轨迹数据优化即时配送订单分配，提高了配送效率。
-
美团科研合作致力于与高校和科研机构合作，推动技术创新和人才培养。
延伸问答
KDD 2024会议的主要内容是什么？
KDD 2024会议主要涵盖数据挖掘领域的研究，特别是美团技术团队发表的5篇论文，涉及用户意图感知、机器学习、在线控制实验等多个技术领域。
美团在KDD Cup中取得了什么成绩？
美团的BlackPearl团队在KDD Cup-OAG Bench竞赛中获得了三个赛道的冠军。
美团的论文中提到的联合拍卖模型有什么创新之处？
美团的论文提出了联合拍卖模型，允许品牌供应商和店铺共同竞标广告位，以满足双方的需求，解决了传统广告模式的不足。
STATE方法在在线控制实验中有什么优势？
STATE方法结合了t分布与机器学习工具，有效降低了ATE估计的方差，显著提高了实验的统计功效。
美团的因果学习方法DFCL是如何优化营销的？
DFCL将机器学习与运筹优化集成在一个框架中，确保模型预测与决策优化方向一致，从而提升营销效果。
美团如何利用配送员轨迹数据优化配送效率？
美团通过构建效率感知网络，利用配送员的实际轨迹数据，快速识别高质量的订单分配方案，从而提升配送效率。
