快手电商资深推荐算法工程师

1、负责B站1亿日活规模的电商个性化推荐算法：包括商品推荐、直播推荐、短视频推荐等；优化场景包含单列、双列、商城等多个位置。 2、通过深度学习、迁移学习、多任务学习、强化学习等技术提升信息匹配的效率，改善用户体验； 3、分析海量用户行为数据，进行用户长短期兴趣建模，以及潜在兴趣预测，提升推荐的精准性； 4、挖掘优质商品和up主，构建良性的循环机制，优化内容电商生态，探索高效的商业模式，提升内容生态健康程度等 5、通过模型、算法和工程创新，实现一流的电商推荐算法和系统。

1、负责电商推荐场景下的算法模型与策略优化，提升用户体验与业务效果； 2、结合公司业务场景和业界技术热点，研究前沿技术在业务场景的落地应用；

职位描述： 负责电商个性化推荐算法的优化与创新，持续提升推荐场景流量效率和用户体验，职责包括并不限于： 1.深入理解推荐业务需求，设计并落地大规模的召回/排序/重排算法； 2.推荐场景中流量机制分配、冷启动、用户增长策略的设计和应用； 3.分析用户行为数据，进行用户长短兴趣预测，提升推荐精准性和新颖性；

团队介绍：携程酒店搜推广算法团队，负责核心排序与推荐模型的研发与优化，包括生成式推荐、长序列建模、多场景多任务学习、多模态建模、新用户冷启动与中长尾流量优化等前沿方向，结合产品和业务，通过算法创新持续提升用户体验与商业转化效果。 负责携程酒店排序、推荐、广告、Feed流等核心场景下的个性化推荐与排序模型研发，持续优化排序模型、重排策略与推荐机制；持续跟进推荐系统领域前沿算法（如深度学习、生成式推荐、LLM增强推荐等），推动新技术在真实业务中的实验、验证与落地；主导算法方案从建模、实验、评估到上线的完整流程，保障算法稳定性与业务效果；参与业务策略优化及系统机制设计，为流量效率、商户生态和用户体验提供算法支持。