近日，国际机器学习大会、国际数据挖掘与知识发现大会、国际计算机协会信息检索大会等机器学习、数据挖掘与信息检索领域的顶级国际学术会议分别公布了论文招聘结果。腾讯广告推荐团队4篇论文被录取，涵盖神经网络模型剪枝、人脸识别、智能广告竞价、广告转化率预测等研究方向。研究成果得到了国际权威机构的认可。
腾讯广告推荐团队基于腾讯多流量、多行业、多形态的复杂应用场景，构建行业领先的广告技术体系，驱动业务高速增长。团队深耕广告推荐模型和基础设施:自研大规模高效线上模型培训平台，采用业界领先的多任务多领域学习框架，优化广告主全链路投放目标。团队搭建的大型网络广告推荐平台，为广告主提供从点击率预测、浅层转化预测到反向链接转化预测的服务，是业内最大的广告推荐平台之一。
在多媒体AI方向，团队聚焦腾讯广告场景，在智能视频创作、多模态内容理解、精准内容推荐等领域持续探索行业前沿。团队连续三次在国际OCR权威大赛ICDAR获得14项冠军，在国际多媒体峰会ACM Multimedia2021举办腾讯广告算法大赛。
腾讯广告推荐团队选取的四篇论文分别是ICML发表的《LARNet:用于增强人脸识别的李代数残差网络》和《从三个维度加速卷积神经网络:一个全面的剪枝框架》。收录于KDD《首价拍卖中竞价屏蔽的高效深度分销网络》；收藏SIGIR的《跟随先知:面对延迟反馈场景的精准在线转化率预测》。
此外，数据挖掘和知识工程领域的国际顶级杂志《TKDE》近日发表了腾讯广告推荐团队的论文《无监督领域的自适应可转移特征选择方法》。
ICML是机器学习领域公认的顶级国际会议。ICML 2021发表论文的录取率为21.48%，论文含金量逐年提升。这次我入选了ICML的论文《LARNet:用于增强人脸识别的李代数残差网络》。我用李代数探讨了旋转对人脸特征生成的影响，证明了图像中的旋转等价于特征间的加性残差空。设计了由解码旋转的残差子网和控制残差贡献的门控子网组成的李代数残差网络来加强人脸识别，在大量人脸数据集上取得了领先地位。
SIGIR被普遍认为是人工智能领域最权威的智能信息检索国际会议之一。SIGIR 2021共收到720篇长文和526篇短文，招募率分别约为21%和27%。入选书籍《跟随先知:面对延迟反馈场景的精准在线转化率预测》提出了一种“跟随先知”算法。它的核心思想是:如果我们事先知道每个转换行为的具体延迟时间，基于这些数据，我们就可以训练出一个“先知”模型。实验结果表明，该方法能取得比目前已知的主流方法更好的效果。这篇文章获得了SIGIR 2021年最佳短文荣誉奖。
KDD是世界上数据挖掘领域的最高学术会议。自1995年以来，KDD已经连续举办了26届。根据KDD 2021的官方消息，今年共提交了1541篇论文，录取率为15.44%，低于去年的16.9%。腾讯在《一价拍卖中竞价屏蔽的高效深度分布网络》一文中，介绍了一种基于深度分布神经网络的竞价屏蔽新方法。在离线和在线A/B测试中，该方法在盈余和eCPX等指标上取得了比目前已知的主流方法更好的结果。
腾讯广告推荐团队长期致力于通过AI和数据挖掘技术提升广告服务能力，帮助广告主获得更高的广告收入。截至目前，团队成员已在机器学习、计算机视觉和数据挖掘领域的顶级会议和期刊上发表论文40余篇，在学术界和工业界具有广泛的技术影响力。多篇论文入选国际峰会，再次展现了团队在广告推荐技术上的优秀实力。未来，团队将继续深化AI技术研究，打造更优秀的广告推荐平台。
