作者介绍
前　言
第1章　电商四位一体 1
1.1　人—买家 1
1.1.1　开源引流2
1.1.2　客群画像17
1.2　货—货源 22
1.2.1　价格力22
1.2.2　趋势力28
1.3　场—内容 36
1.3.1　智能文案37
1.3.2　文案标签化46
1.3.3　模型工程优化49
1.3.4　展望规划49
1.4　商—企划 50
1.4.1　品类规划定义51
1.4.2　波士顿矩阵53
1.4.3　CBU品类规划53
1.4.4　技术架构59
1.4.5　展望规划61
第2章　系统工程 63
2.1　搜索工程 63
2.1.1　统一入口SP服务64
2.1.2　策略平台OpenSE72
2.1.3　意图分析QP74
2.1.4　在线引擎HA377
2.1.5　离线系统Dump81
2.2　推荐工程 85
2.2.1　召回引擎BE85
2.2.2　算分服务RTP89
2.3　实时数据工程 95
2.3.1　概述 96
2.3.2　数据采集96
2.3.3　数据分层98
2.3.4　数据服务99
2.3.5　数据应用100
第3章　搜索算法 101
3.1　Query查询词理解 101
3.1.1　Query类目预测102
3.1.2　Query改写106
3.1.3　Query推荐111
3.2　搜索排序 122
3.2.1　召回124
3.2.2　粗排135
3.2.3　精排142
3.2.4　搜索底部推荐161
第4章　推荐算法 163
4.1　召回 164
4.1.1　协同过滤165
4.1.2　Embedding I2I168
4.1.3　DeepMatch170
4.2　排序 176
4.2.1　Wide&Deep模型176
4.2.2　DIN180
4.2.3　DIEN183
4.2.4　DMR186
4.2.5　ESMM190
第5章　营销算法 197
5.1　红包 197
5.1.1　用户敏感度建模198
5.1.2　离线红包分配200
5.1.3　在线红包分配202
5.2　营销优惠券 208
第6章　多模态内容场景与端智能 212
6.1　直播推荐算法 212
6.1.1　多目标学习213
6.1.2　用户异构行为214
6.1.3　直播排序模型214
6.2　短视频推荐算法 219
6.2.1　短视频推荐概述219
6.2.2　基于异构网络图的推荐方案220
6.3　榜单算法 229
6.3.1　榜单生成229
6.3.2　榜单召回推荐232
6.3.3　榜单内商品排序232
6.3.4　榜单个性化文案233
6.4　多形态内容混排 235
6.5　App端智能 239
6.6　首图个性化 244
6.6.1　全局最优视角联合打散244
6.6.2　跨域召回（从淘宝到1688） 247
第7章　认知推理 250
7.1　电商知识图谱 250
7.1.1　知识工程与专家系统250
7.1.2　语义网络与知识图谱252
7.1.3　知识图谱构建254
7.1.4　知识表示265
7.2　知识图谱主题会场 268
7.3　知识蒸馏 271
7.3.1　知识蒸馏的起源272
7.3.2　多种传递形式的知识蒸馏274
7.3.3　知识蒸馏应用于自然语言生成277
7.3.4　BERT模型蒸馏280
7.4　组货推荐 281
7.4.1　同款匹配281
7.4.2　组货搭配284
7.4.3　服饰搭配286
第8章　全域中控 290
8.1　流量中控 290
8.2　在线动态广告分配 297
8.3　目标动态规划 307