近日，阿里巴巴集团副总裁谷雪梅在第40届国际ACM SIGIR大会上，发表了题为“实现4亿人个性化购物”的演讲。在演讲中，谷雪梅指出：深度兴趣网络是阿里巴巴的努力目标。
图为阿里巴巴集团副总裁谷雪梅在现场演讲
近年，技术的发展，让特定兴趣场景下的即时消费成为可能。比如，女生可能会关注海外商品、美容产品等。对于男孩而言，他可能会关注运动装备、电子产品和其他有趣的东西。所以，对于阿里而言，这就需要深入了解用户兴趣和用户意图。因为这些信息和商品信息已经变得一样重要。
但是，随着产品的增加和用户需求的不断变化，电商平台数据不再以产品目录的树状结构进行呈现，而是通过图谱把用户和用户、用户和商品、商品和商品、商品和内容、用户和内容等联系到一起。谷雪梅举例道，在完成“2015年双11”活动个性化之前，也就是在个性化场馆开放之前，一个包含所有商品的场所里用户流失率就高达约 50%。但在个性化场馆开放后，用户流失率下降到低于 10%。由此可见，通过大数据、大模型来深度挖掘用户兴趣与需求是电商平台发展的必然趋势。
作为***的世界电商平台之一，阿里巴巴有责任或有优势来***或升级用户的生活方式。对于每个用户，阿里都将提供与用户兴趣相关的个性化页面。谷雪梅表示，对个性化购物贡献***的三个服务产品是“搜索”、“推荐”和“广告”功能，它们都提供了用户感兴趣的内容，因此准确地出现和用户兴趣匹配的内容就可以有效提升消费转化。通过观察采集到的用户历史行为数据，发现有两个指标对内容和商品点击率预测准确率有重大影响，一个是“多样性”，一个用户可以对很多不同品类的东西感兴趣;另一个指标是“部分对应”，只有一部分的数据可以用来预测用户的点击偏好，比如系统自动向用户推荐的太阳镜会跟用户买的泳衣产生关联，但是跟用户买的书就没什么关系了。这表明点击率预测方面还有进一步提升的空间。基于这两个指标，阿里巴巴受到用于机器翻译的注意力模型启发，对基本的多层全连接神经元架构进行了修改，从而提出了深度兴趣网络(Deep Interest Network，DIN)的新结构。
此外，阿里巴巴还在构建自己的工业级深度学习框架，“因现在市场上还没有针对个性化购物的现成的大规模深度学习的框架”，谷雪梅说。对于电子商务这种用户行为链路很长也很复杂的场景，不仅算法上需要持续提升，底层的学习框架也有巨大优化空间。
目前，阿里巴巴在广告点击率预测方面利用深度兴趣网络有了可见的提升。未来阿里巴巴将继续挖掘深度兴趣网络，优化架构，希望能够在模型中较好地体现人类知识、先验知识、不稳定和可扩展的知识，甚至是基本的推理。
在这个快速发展的时代，每天都有新产品上市。用户每天都在增长，用户对未来有诸多期望。而阿里则希望通过自己不断的努力、不断地优化，不断地做很多细致的工作，使其最终能够在阿里的应用中使用，从而使市场更智能，最终给用户创造一个更美好的世界。
