商品详情页中部和底部推荐位推荐系统-京东
2026-05-04 22:03:34
行业：电商、人工智能
载体：安卓APP、IOS APP
技术：Python、SQL、TensorFlow Lite、Transformers
业务和功能介绍
1、立项背景和目标
为解决商品详情页跳出率高的问题，我们小组主要负责推荐系统算法的升级，核心目标直指CTR与CVR的双提升。中部模型聚焦“私域截流”，强化同店关联商品的精准命中；底部模型负责“全域承接”，在用户离开前实现跨品类兴趣的深度挖掘与流量最大化。
2、核心功能模块
系统涵盖多路召回、粗排、精排三层架构。召回层采用多源策略，包含商品协同过滤、用户行为序列、店铺热门及品类相似等独立通路，从千万级候选池中高效召回多样化候选商品。精排引入Transformer，利用自注意力机制深度捕捉用户行为序列中的长期依赖与瞬时意图。且精排采用MMOE多目标架构，通过共享专家网络与CTR、CVR独立塔式网络，平衡多目标预测冲突。中部模型强化同店特征权重，底部模型拓展跨品类兴趣信号，并通过A/B实验框架持续迭代。
3、业务流程描述
用户浏览触发推荐请求后，先由多路召回并行拉取候选集，汇总去重后进入粗排层。粗排用Transformer编码用户行为序列快速截断至数百个候选商品。精排阶段，MMOE模型对候选商品并行预估CTR与CVR，经加权融合生成最终排序。中部场景强约束同店商品，底部场景进行跨品类重排序。最终列表实时返回前端，所有曝光与点击事件回流至模型训练管道，驱动模型在线持续学习。
为解决商品详情页跳出率高的问题，我们小组主要负责推荐系统算法的升级，核心目标直指CTR与CVR的双提升。中部模型聚焦“私域截流”，强化同店关联商品的精准命中；底部模型负责“全域承接”，在用户离开前实现跨品类兴趣的深度挖掘与流量最大化。
2、核心功能模块
系统涵盖多路召回、粗排、精排三层架构。召回层采用多源策略，包含商品协同过滤、用户行为序列、店铺热门及品类相似等独立通路，从千万级候选池中高效召回多样化候选商品。精排引入Transformer，利用自注意力机制深度捕捉用户行为序列中的长期依赖与瞬时意图。且精排采用MMOE多目标架构，通过共享专家网络与CTR、CVR独立塔式网络，平衡多目标预测冲突。中部模型强化同店特征权重，底部模型拓展跨品类兴趣信号，并通过A/B实验框架持续迭代。
3、业务流程描述
用户浏览触发推荐请求后，先由多路召回并行拉取候选集，汇总去重后进入粗排层。粗排用Transformer编码用户行为序列快速截断至数百个候选商品。精排阶段，MMOE模型对候选商品并行预估CTR与CVR，经加权融合生成最终排序。中部场景强约束同店商品，底部场景进行跨品类重排序。最终列表实时返回前端，所有曝光与点击事件回流至模型训练管道，驱动模型在线持续学习。
项目实现
精排层作为漏斗最终环节，直接决定推荐结果质量。我主要参与精排MMOE模型的优化，核心挑战有二：
难点一：CTR与CVR的目标冲突。 高点击商品往往客单价低、转化差，联合训练易陷入“跷跷板”效应。解决方案：在MMOE架构中引入梯度隔离，为CTR和CVR设置独立门控网络，减少共享层负迁移；同时采用自适应任务权重，根据训练阶段动态调整学习率。
难点二：敏感品类下推荐位的“空窗”问题。 成人用品、管制刀具等敏感商品本身可正常销售，但平台禁止在推荐位直接展示同类敏感商品。中部推荐位定位“同品类私域流量”，当主商品属于敏感品类时，模型无法推荐同类商品，导致推荐位出现空缺或召回率骤降。解决方案：在不展示具体敏感品的前提下，引导用户至品类聚合页或白名单内的周边关联商品，如情趣内衣品类的清洗液、收纳盒等合规周边，既填补曝光空白，又承接住私域流量。
难点一：CTR与CVR的目标冲突。 高点击商品往往客单价低、转化差，联合训练易陷入“跷跷板”效应。解决方案：在MMOE架构中引入梯度隔离，为CTR和CVR设置独立门控网络，减少共享层负迁移；同时采用自适应任务权重，根据训练阶段动态调整学习率。
难点二：敏感品类下推荐位的“空窗”问题。 成人用品、管制刀具等敏感商品本身可正常销售，但平台禁止在推荐位直接展示同类敏感商品。中部推荐位定位“同品类私域流量”，当主商品属于敏感品类时，模型无法推荐同类商品，导致推荐位出现空缺或召回率骤降。解决方案：在不展示具体敏感品的前提下，引导用户至品类聚合页或白名单内的周边关联商品，如情趣内衣品类的清洗液、收纳盒等合规周边，既填补曝光空白，又承接住私域流量。
示例图片视频
相似推荐
同城清算
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
暂无功能介绍
女性健康管理与社区服务 App-美柚
美柚 App 是面向女性用户的健康管理与社区服务平台，覆盖经期记录、备孕、孕期、育儿、健康内容、社区互动等核心场景。产品通过周期记录、健康提醒、内容推荐、工具服务和社区交流，帮助用户在不同人生阶段进行健康管理和经验获取。同时，App 内部承载首页、日历、社区详情、孕期工具、会员订阅、商业化广告等多个业务模块，支撑用户日常高频使用和多场景业务转化。
Mloos平台-Mlops平台
MLOps: AI推理平台的构建与开发；主要工作是基于Volcano构建NPU训推一体能力，构建大模型部署Operator，开发与维护统一的AI推理框架与模型相关监控等，提高算法人员的部署、升级与维护效率；推理流量每月4000亿左右，NPU卡总规模5w
AI智能客服与大模型应用
基于飞致云 MaxKB 知识库问答系统作为底座，快速完善企业在线智能客服的 AI 助手能力。主要负责 MaxKB 的二次配置、知识库构建、RAG 链路调优、多渠道接入及效果评测。
1.底座集成：部署并配置 MaxKB 开源版本，将其作为智能客服的核心引擎。利用其内置的模型管理、知识库管理和 RAG 流水线能力，大幅缩短开发周期。
2.知识库构建：梳理 10 万+ 条历史客服对话记录，完成清洗、分类与结构化处理，导入 MaxKB 知识库。通过文档分段、QA 对提取等方式提升知识召回率。
3.RAG 检索优化：在 MaxKB 原生 RAG 流程基础上，调整检索参数（Top-K、相似度阈值），并增加重排序（Rerank）环节。并基于 MaxKB 支持的模型接入能力，选用 Qwen3系列模型。利用收集的领域数据，通过 LoRA 方法进行轻量化微调，并集成回 MaxKB 底座。微调后客服场景回答准确率达 92%，幻觉率降至 5% 以下。通过 MaxKB 提供的 API 接口，实现与企业微信、App、Web 端等多渠道的无缝对接。开发简单的消息适配层，完成会话管理、上下文关联等基础功能。
景区导航数字人ai-scenic-ai-guide
1、立项背景和目标
本项目是一款AI智能景区导游助手Web应用，覆盖全国358家5A级旅游景区。立项背景有三：一是国内旅游市场复苏后，游客对景区智能化导览服务需求激增，但现有方案以语音导览机为主，缺乏交互性与个性化；二是大语言模型成熟后，AI对话式导览成为可能，可替代传统静态语音讲解；三是多模态交互（文字/语音/图片）可降低中老年用户使用门槛。目标是打造一款面向C端的、具备商业化落地能力的智能导览产品，支持景区知识问答、路线规划、虚拟数字人陪伴讲解等核心场景。
2、软件功能、核心功能模块
应用包含八大核心功能模块：
AI对话系统：基于SSE流式协议实现实时对话与打字机效果，支持多轮会话管理（conversationId缓存），网络异常时自动降级至HTTP JSON或Mock模式；
语音交互系统：双路径设计——首选浏览器Web Speech API实现零延迟语音识别，降级方案使用Web Audio API手动编码WAV（16kHz/单声道/16bit PCM）传输至后端ASR+TTS，语音播报支持多音色切换；
Live2D数字人系统：基于PixiJS + Live2D Cubism 4集成3D动画角色，支持点击交互与口型同步。设计三层降级策略：Live2D模型 → CSS纯绘角色（含口型/眨眼动画）→ 加载中状态，确保弱网环境可用；
景区数据体系：构建358家5A景区结构化数据（含省份/城市/标签/坐标），支持名称、省份、城市、标签多维搜索，按省份分组卡片网格渲染；
管理后台数据大屏：基于ECharts实现服务人次趋势、热门问答TOP5、满意度走势、问答分类分布等核心指标可视化，按需引入优化打包体积；
路由与权限系统：完整路由守卫（未登录自动跳转/login），localStorage存储登录态，区分C端用户与管理员视图；
多模态输入：文字/语音/图片三通道输入，图片上传目前走Mock AI回复，预留多模态API接入接口；
地图与路线规划：基于Leaflet集成地图视图，支持景区位置标记与游览路线添加。
3、业务流程、功能路径描述
用户访问 → 登录页（模拟登录）→ 景区选择页（卡片网格+搜索+省份筛选）→ 选择景区进入主界面（底部Tab：对话/地图/功能区/个人中心）→ 对话页：文字输入/语音输入/图片上传 → AI流式回复 + TTS语音播报 + Live2D口型同步 → 支持多轮对话（同一景区上下文连续）→ 切换景区自动重置会话 → 管理员登录后进入管理后台 → 查看数据大屏/知识库管理/数字人配置/舆情分析。未登录状态访问任何页面自动跳转登录页。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服