在電商推薦中，如何辨識(shí)用戶的選品意向一直是一個(gè)有趣的話題。用戶的選品意向從表現(xiàn)上，覆蓋面廣，影響因素多，成因復(fù)雜，又難以預(yù)測(cè)。這些意向可能是長(zhǎng)時(shí)意向，短時(shí)意向，廣泛的瀏覽意向，或精準(zhǔn)的購(gòu)買意向。傳統(tǒng)的推薦方法，很難對(duì)這些意向做到精確地量化地區(qū)分，從而造成意向識(shí)別不充分，系統(tǒng)反應(yīng)不敏捷，推薦選品重復(fù)，浪費(fèi)資源位等諸多問(wèn)題。如何設(shè)計(jì)推薦系統(tǒng)，使其通過(guò)動(dòng)態(tài)排序去合理的解決這一問(wèn)題，一直以來(lái)，都是電商研究人員關(guān)注的焦點(diǎn)。攻克這一難題，可以帶來(lái)大幅地用戶轉(zhuǎn)化提升以及改善用戶體驗(yàn)的目的。

針對(duì)以上問(wèn)題，京東智能廣告實(shí)驗(yàn)室推薦團(tuán)隊(duì)提出了一種深度學(xué)習(xí)與多臂老虎機(jī)相結(jié)合的動(dòng)態(tài)排序機(jī)制，這種全新的推薦方式，不僅充分結(jié)合了深度學(xué)習(xí)原有的處理海量數(shù)據(jù)，高效抽取數(shù)據(jù)特征并進(jìn)行量化的模型特性；同時(shí)通過(guò)多臂老虎機(jī)對(duì)用戶的不同意向進(jìn)行精準(zhǔn)量化，實(shí)時(shí)監(jiān)控，對(duì)用戶每次線上行為做出更加敏捷的分析，實(shí)時(shí)的改變排序策略，達(dá)到深層次建模選品的目的。這篇論文，不僅給出了非常具體的工程實(shí)現(xiàn)方式，而且從理論上對(duì)于方法的最優(yōu)性予以了充分的數(shù)學(xué)證明，使廣大從業(yè)者在應(yīng)用時(shí)能夠做到“證其優(yōu)、知其優(yōu)、觀其優(yōu)”。

據(jù)京東集團(tuán)副總裁、商業(yè)提升事業(yè)部總裁，同時(shí)也是京東智能廣告實(shí)驗(yàn)室負(fù)責(zé)人顏偉鵬博士介紹，這種深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)相結(jié)合的推薦方式，是繼Google, Uber, DeepMind等大型國(guó)際人工智能研究機(jī)構(gòu)在圍棋、電競(jìng)、智能駕駛等領(lǐng)域應(yīng)用后，在推薦領(lǐng)域上的首次大規(guī)模工業(yè)應(yīng)用，無(wú)論國(guó)內(nèi)或是國(guó)外，均屬領(lǐng)先水平。深度動(dòng)態(tài)排序的在京東電商推薦的成功（新系統(tǒng)對(duì)于多項(xiàng)推薦核心指標(biāo)均帶來(lái)了非?？捎^的提升：銷售額+16.7%，轉(zhuǎn)化+2.6%）充分說(shuō)明，人工智能對(duì)于電商而言充滿了想象空間。如何更好地對(duì)電商、計(jì)算廣告等領(lǐng)域中諸多問(wèn)題進(jìn)行建模，有朝一日在電商領(lǐng)域?qū)崿F(xiàn)強(qiáng)人工智能，這些話題對(duì)于每一個(gè)算法從業(yè)人員來(lái)說(shuō)，都意義深遠(yuǎn)且大有可為。