小红书用户理解算法工程师-交易方向
任职要求
1. 计算机或相关专业本科以上学历，具备扎实的数学、统计学以及计算机基础； 2. 熟悉常见的常见机器学习、深度学习、数据挖掘方法，能熟练使用至少一种深度学习框架，如tensorflow、pytorch等； 3. 至少精通一门编程语言，包括但不限于C++/python/java/scala； 4…
工作职责
1. 用户兴趣/意图建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模、LLM等方式构建电商用户表征、可解释用户兴趣、用户购买意图等； 2. 人群定向：构建小红书电商货找人模型，挖掘商品高价值潜客，优化商品、直播间货品扶持、冷启投放效率； 3. 核心场景落地：推动用户理解能力在电商直播、笔记、搜索等场域的召回、排序、定向扶持、营销发券等场景落地，优化用户的购物体验，助力商家成长。
1. 用户画像挖掘：基于小红书用户海量的行为数据，利用迁移学习、多场景多目标、序列建模等方式构建用户基础画像、统一用户表征、人群圈层和全域可解释用户兴趣； 2. 关系链&时空画像建模：基于用户社交关系、位置、登端信息等，通过 ID-mapping、社群发现、图学习等方式建模用户社群兴趣，应用于社区推荐、用户增长裂变等场景；
1. 用户兴趣/价值建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模、LLM等方式构建广告2. 用户表征、商业转化价值、可解释用户兴趣等； 3. 人群定向：构建小红书广告货找人模型，挖掘广告各行业/品牌的种草、购买决策人群，优化灵犀、聚光等平台人群定向效率； 4. 核心场景落地：推动用户理解能力在广告召回、排序、定向扶持、出价扰动等环节落地，优化用户的广告体验，助力广告主高效起量。
1、用户兴趣建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模等方式构建统一用户表征、人群圈层和可解释用户兴趣； 2、核心场景落地：推动用户理解能力在多场域的召回、排序、人群定向等场景落地，优化用户推荐、搜索、广告、电商等核心场景的体验； 3、技术前瞻探索：推动LLM、Agent 等前沿技术在小红书落地，共同构建覆盖全站用户&人群兴趣变迁和消费意图的知识基座。
1、用户兴趣建模：基于小红书社区用户海量的行为数据，利用迁移学习、多场景多目标、序列建模等方式构建统一用户表征、人群圈层和可解释用户兴趣； 2、核心场景落地：推动用户理解能力在多场域的召回、排序、人群定向等场景落地，优化用户推荐、搜索、广告、电商等核心场景的体验； 3、技术前瞻探索：推动LLM、Agent 等前沿技术在小红书落地，共同构建覆盖全站用户&人群兴趣变迁和消费意图的知识基座。