KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

主要观点总结

本文介绍了美团技术团队在KDD会议上发表的5篇论文，涵盖了数据挖掘领域的多个主题，包括用户意图感知、机器学习与运筹优化等。此外，还提到了美团在KDD Cup比赛中的表现和获奖情况。

关键观点总结

关键观点1: Unified Dual-Intent Translation for Joint Modeling of Search and Recommendation

针对搜索和推荐场景的联合意图感知建模，解决了用户隐式需求意图的建模和双重意图与交互商品之间的关系建模问题，提出了基于双重意图转换的搜索推荐联合模型(UDITSR)，在搜索和推荐任务中均优于现有基线，并在美团外卖平台上进行了线上实验，提升了GMV和CTR指标。

关键观点2: Joint Auction in the Online Advertising Market

提出了一个名为「联合拍卖」的联合广告模型，允许品牌供应商和店铺共同竞标广告位，满足双方需求。提出了一种名为JRegNet的神经网络架构，用于最优联合拍卖设计。

关键观点3: STATE: A Robust ATE Estimator of Heavy-Tailed Metrics for Variance Reduction in Online Controlled Experiments

针对在线控制实验中重尾分布的业务指标，通过结合t分布与机器学习工具，提出了一种鲁棒的ATE估计器STATE，有效降低了ATE估计的方差，并在合成数据集和美团外卖的业务数据上证明了其有效性。

关键观点4: Decision Focused Causal Learning for Direct Counterfactual Marketing Optimization

将营销优化问题表述为预算分配问题，并提出了基于决策的因果学习方法（DFCL），将ML与OR阶段集成到一个端到端的因果学习框架中，实现了针对大规模在线用户营销场景的直接反事实优化。

关键观点5: Harvesting Efficient On-Demand Order Pooling from Skilled Couriers

利用有经验的配送员的实际轨迹数据，构建了效率感知网络，以挖掘嵌入在配送员轨迹中的订单合并潜力，通过优化异构图神经网络在即时配送场景的学习效果，提升了订单分配质量。

文章预览

总第598 篇 |  2024年第018篇 ACM SIGKDD （ Knowledge Discovery and Data Mining，简称 KDD ）是数据挖掘领域的国际顶级会议。KDD Cup比赛是由SIGKDD主办的数据挖掘研究领域的国际顶级赛事，从1997年开始，每年举办一次，是目前数据挖掘领域最有影响力的赛事。 本文精选了美团技术团队 被 KDD 2024 收录的 5 篇长文 进行解读，覆盖了 用户意图感知、机器学习 & 运筹优化、在线控制实验、联合广告模型、 实时调度决策 等多个技术领域。这些论文都是美团与高校、科研机构合作的成果。希望能给从事相关研究工作的同学带来一些帮助或启发。 此外， 大众点评技术部 /内容智能算法团队组建的  BlackPearl  团队参加了今年 KDD Cup-OAG Bench （ Open Academic Graph Benchmark ）赛道的 WhoIsWho-IND 、 PST 、 AQA 三道赛题，基于大模型技术提出自反馈增强、嫁接学习等方案， 三个赛题均以 ………………………………