年前「封麥」直播：配對標註還原數據真實排序＋慢特徵分析用於個性化推薦系統＋精準營銷中的Host2vec用戶識別
本周四晚，年前「封麥」公開課，3場連續語音直播！錯過這場，咱們就年後再見啦。公開課可以永久回聽，暫時沒空的小夥伴可以掃碼進入直播間收藏課程，假期學起來。
抽象數據的智能具象：配對處理讓標籤精準化
大量有標註數據的產生，是機器學習研究取得進展的重要因素。如果我給你一張「赫敏」的照片，問你「美不美？請用1-10分打分」，你可能會打滿分。但是，你的女票/男票對同一張照片會打幾分？很難說。
Emma Watson，圖片來自網路
如果我同時給你兩張照片，比如同時讓你看「赫敏」和「羅恩」的照片，讓你給出兩張照片「美不美」的相對得分，這樣是不是更好呢？如果有了很多人給出的照片相對得分，我們可以更科學地恢復出數據中隱藏的「真相」——到底誰美。
本次公開課主要介紹在眾包平台中，眾多工作者用連續變數對數據進行標註的問題。此類問題經常出現在對視頻中人物的圖像進行標註、工作面試評估、年齡估計等應用中。為了獲得較準確的標註，一般需要專業人員對這些數據進行評估。由於需要標註的數據量較大、專業人員人數少且僱傭成本高，所以通常需要求助於群眾的智慧，僱傭眾多沒有經過專業訓練的人對數據進行標註。但當有很多工作者一起對數據進行少量的標註時，工作者的偏見很難進行評估和糾正。配對打分的標註方式，可以在一定程度上降低偏見的問題。在標註的過程中，工作者一次看到一對比較對象，給出他們的偏好，基於這些偏好，我們能夠較好的恢復出原始數據的排序。
本次公開課將對比配對Ranking問題中的Fisher信息最大化無監督採樣演算法、貝葉斯信息最大化有監督採樣演算法、小世界網路演算法，嘗試小世界網路圖構造。
嘉賓介紹
曾令輝，華院數據技術（上海）有限公司演算法研究員，致力於基於人格分析的用戶智能畫像，通過對小數據的精準分析獲得用戶的人格特質，立體化深度洞察人與人的內驅差異。復旦大學計算數學專業理學博士，博士期間主要研究力學和工程中的數值代數和科學計算問題。曾任職華為，歷任無線網路研究部MBB研究部和雲核心網 NFV 研究部研發工程師，主要從事於雲計算和區塊鏈等技術在電信網路中的應用。
2月8日（周四）19:00
掃碼聽課
慢特徵分析及其在個性化推薦中的應用
慢特徵分析（SFA）是Wiskott提出的一種在快速變化的時序信號中抽取慢特徵的批量學習演算法。
我們常見的視頻、腦電波和時間序列等都屬於時序信號。什麼是慢特徵？慢特徵就是變化比較緩慢的特徵。
比如，人的感觀器官中，視網膜比較原始（能處理的信號維度少），對光線強弱的變化明顯，即隨時間變化快。而大腦處理的信號維度比較多，層次較為複雜，隨時間的變化相對比較緩慢。
本次公開課將介紹如何採取定量刻畫的方式提取慢特徵，從數學的角度進行分析，包括數學模型和輸入輸出信號的分析。
最後，我們將結合個性化推薦系統的一個案例，具體給出行為數據中的慢特徵分析方法。
為幫助大家理解此次公開課內容，大數據文摘特意採訪了公開課嘉賓徐清博士——
大數據文摘：對於從未接觸過慢特徵的小白來說，怎麼理解慢特徵比較合適？
徐博士：慢特徵就是變化比較緩慢的特徵。比如說，一段視頻中，有一隻猴子從左邊走到右邊。像素點和色塊的變化是很快的，但是物體的變化（以及視頻中是否有猴子）相對來說比較緩慢。這種變化比較緩慢的特徵抗干擾性強，比如說，稍微對像素點加點擾動，或者把彩色的變成黑白的，猴子還是猴子，但是色塊已經不是原來的色塊了。
視頻中是否有猴子，是一種慢特徵
大數據文摘：是否可以將猴子的變化理解成一種慢特徵？
徐博士：是的，視頻中出現的物體是否是猴子，以及猴子的位置，這種都是慢特徵。
大數據文摘：如何判定大腦處理的高層次信息隨時間變化緩慢？
徐博士：大腦處理的信息可以用腦電實驗做出來，腦電信號的變化一般來說比像素點的變化緩慢得多。
大數據文摘：請問定量刻畫慢特徵是如何實現的？
徐博士：這也是本次公開課的重點，這方面結果國內研究和相關資料比較少，也是也比較新研究課題。在這裡先給大家透露一下，利用拉格朗日對偶法和廣義特徵值問題可以定量計算慢特徵。
嘉賓介紹
徐清，華院數據技術（上海）有限公司分維（Fra+）團隊演算法研究員，致力於研究個性化推薦技術，整合不同來源小數據打造新一代智能畫像引擎。本科與博士均畢業於復旦大學數學科學學院，研究方向是隨機控制、隨機分析與優化理論。博士期間建立了無窮時域的二次倒向隨機微分方程理論，在金融風險度量、Feymann-Kac表示等領域中有諸多應用，所寫論文Some Results on the Controllability of Stochastic Schrodinger Equations榮獲第三屆隨機系統與控制論壇優秀博士生論文獎。在校期間榮獲多次全國數學與建模競賽一等獎，三次榮獲國家獎學金，2011屆復旦大學本科生畢業之星。
2月8日（周四）19:40
掃碼聽課
新消費升級時代下機器學習在數字化精準營銷中的應用
隨著人口結構的波峰遷徙、城鎮化水平的持續提高、數字化全面滲透至生產生活的各個領域，我們迎來了新消費升級時代。在時代的大趨勢下，如何通過機器學習進行用戶識別與行為特徵分析，進而基於客戶需求及動機的深層次消費者洞察，將大數據帶來的信息更好的應用在消費場景當中，是數字化精準營銷領域一直在研究探索的課題。
本次公開課將主要介紹基於Host2vec Model快速高效的Lookalike用戶群拓展演算法，以及演算法成果在數字化精準營銷領域的評估與應用。
Lookalike Machine Based on Host2vec Model
Host2vec是Word2vec方法在用戶群拓展推薦領域的遷移應用。用戶上網行為特徵序列等價於Word2vec中的word序列，同一個用戶一段時間周期內的上網特徵集可視為positive，將one-hot編碼後的海量高維稀疏的用戶online瀏覽行為，通過淺層神經網路訓練後，映射到低維稠密的向量空間中，最終得到每個上網特徵的embedding表示，即用有限維度的低維向量來表示該host（域名/IP/URL標籤/Patterns…），進而可以通過計算每個低維向量之間的相似度來衡量host之間乃至用戶之間的相似性。
相比較於傳統的用戶群拓展演算法將種子用戶標記為正樣本、備選用戶標記為負樣本、並訓練分類模型篩選備選用戶群，Host2vec方法可以大幅度減少計算時間，同時在錯誤標籤的檢測和糾錯方面也有良好的表現。
以股票app用戶舉例，與同花順股票最為近似的標籤集中於金融相關的外匯、財經、基金、證券等，截圖內，中國遊戲中心也與同花順股票非常近似，實際為其旗下的德州撲克遊戲人群與同花順股票人群重合度較高，需要另外拆分標籤。
嘉賓介紹
林昱洲，華院分析DMP數據產品總監，高級數據分析師。中國人民大學統計學學士，義大利佛羅倫薩大學統計精算與金融學碩士。在數據挖掘、統計建模、大數據處理技術、互聯網精準營銷、DMP產品設計等領域有豐富的項目經驗，擅長使用R語言、Python、SAS等統計程序實現評分卡、協同過濾、文本挖掘、BP神經網路、邏輯回歸、RFM、Embedding等演算法模型。曾負責實施運營商、金融、電商等多個領域的數據分析和挖掘項目，在數據運營、精準營銷、風險評估、客戶畫像等領域有多年的市場經驗。
2月8日（周四）20:20
掃碼聽課
【今日機器學習概念】
Have a Great Defination
TAG:大數據文摘 |