微軟亞洲研究院專家在分享中重點介紹了用戶畫像與推薦系統(tǒng)，包括如何利用用戶行為數(shù)據(jù)去構建顯式和隱式的用戶畫像，介紹了在推薦系統(tǒng)中如何利用知識圖譜提升效果;以及可解釋性推薦的實現(xiàn)模型和應用場景。
用戶畫像，即用戶信息標簽化，是企業(yè)通過收集與分析消費者社會屬性、生活習慣、行為特征等主要信息的數(shù)據(jù)之后，抽象出用戶的商業(yè)全貌。
通聯(lián)數(shù)據(jù)認為，先進技術的運用可以將投資者及其行為“可視化”。未來金融機構將日益聚焦于怎樣利用大數(shù)據(jù)了解用戶需求，實現(xiàn)精準營銷，進而深入挖掘潛在的商業(yè)價值。通聯(lián)數(shù)據(jù)的用戶畫像和智能投顧服務已經在多家券商落地，幫助券商為客戶提供高效且優(yōu)質的服務。
微軟亞洲研究院首席研究員謝幸認為，用戶畫像的應用主要在個性化推薦和廣告投放上。有了用戶和物品的表示之后，我們可以計算用戶和物品之間的距離，然后再將距離排序，把排序靠前的物品推薦給用戶。
微軟亞洲研究院專家重點介紹了在推薦系統(tǒng)中如何利用知識圖譜提升效果。專家認為知識圖譜在推薦系統(tǒng)是一個新的應用場景，知識圖譜可以在一定程度上緩解用戶行為數(shù)據(jù)的稀疏性。
知識圖譜應用于推薦系統(tǒng)主要有以下效果：
提高準確性。因為用戶數(shù)據(jù)的稀疏性導致推薦的準確性一直都比較低。用知識圖譜把用戶的行為數(shù)據(jù)進行擴展，實際上相當于把數(shù)據(jù)變稠密了。
提高多樣性。如果只追求準確性，用戶看到的東西就越來越窄。用知識圖譜向周圍進行一些擴展，可以給用戶推薦一些不那么相關，但是又有一定聯(lián)系的產品。
增加可解釋性。我們還可以看給用戶推薦的物品跟用戶歷史記錄里面的物品從知識圖譜上能建立什么樣的連接，把連接當作解釋展示給用戶。
微軟亞洲研究院專家還在分享中介紹了強化學習的最新進展;通過醫(yī)療保健、市場交易、自然語言處理(NLP)等應用案例介紹了強化學習的應用;并介紹了強化學習的一些挑戰(zhàn)以及實際應用時一些處理的策略。
通聯(lián)數(shù)據(jù)的AI技術人員也就技術發(fā)展的前沿、在金融場景中的應用實踐等與微軟亞洲研究院專家進行了深入的交流。
