10月12日上午，快手-清华短视频用户行为理解与推荐技术研讨会在同方科技大厦会议室举行，本次研讨会采用线上+线下相结合的方式，针对新型短视频推荐的科学问题与技术挑战、现有解决方案不足之处、重要未来研究方向等进行了深入探讨。清华大学电子系长聘副教授李勇、快手推荐算法副总裁宋洋、快手排序模型中心负责人牛亚男，以及数据科学与智能实验室博士后高宸、研究生、本科生、快手推荐系统算法工程师等近20人参加了此次研讨会。

研讨会现场

       博士后研究员高宸介绍了对于快手短视频推荐场景的思考，分析了短视频推荐与其他应用场景的推荐系统、以及传统长视频推荐的区别，探讨了单列短视频推荐用户行为分析与理解的若干方向，如何将用户行为理解的结论与推荐系统算法设计相结合，设计更适用于单列短视频推荐的数据处理、模型范式、评价指标等，并进一步讨论了实现视频推荐算法向善、合规的重要问题和研究方向。

博士后研究员高宸线下分享

       快手精排推荐算法工程师常健新介绍了快手推荐系统万亿参数精排模型的发展历史，介绍了服务于快手各类应用与场景的统一精排模型，讲述了在精排模型发展过程中，如何解决多场景数据融合、特征偏差、超长用户序列建模、模型推断效率等技术挑战，也展望了快手推荐系统精排模型的下一步迭代计划。

快手推荐系统算法工程师常健新线下分享

        硕士生林冠煜同学介绍了单列视频序列推荐算法设计，首先分析了单列推荐和现有的基于点击行为的序列推荐的关键不同点，紧接着针对现有工作的问题提出新设计，显式地解耦学习不同反馈之间的转移模式，最后通过真实数据集上的实验结果验证了方法的有效性，同时揭示了观看时长和特征空间分布之间的关系。

硕士生林冠煜线上分享

       博士生兰孝翀介绍了面向用户生成内容平台的推荐算法，首先介绍了用户生成内容平台推荐的问题背景，也阐述了该研究问题对于平台发展的重要意义。进一步地，他从用户身份、关系、行为等多个角度阐述了该研究问题的挑战，与对应的技术方案设计。

 

博士生兰孝翀线下分享

       在讨论环节，与会人员首先对报告内容的技术细节、未来工作进行了详细讨论，进一步就推荐算法向善、推荐算法合规、推荐算法透明可控等话题进行了开放式探讨。

会议讨论

清华大学电子系长聘副教授李勇

快手推荐算法副总裁宋洋

快手排序模型中心负责人牛亚男

快手推荐系统算法工程师李银峰

 

快手-清华短视频用户行为理解与推荐技术研讨会线下参与人员合影

 

原文链接：https://mp.weixin.qq.com/s/3lrg8601M4OEfURVDsWo_g