研究型实习生-面向搜推场景的查询理解图基础模型研究

岗位职责

研究领域： 图计算 项目简介： 在信息爆炸的时代，用户在搜推系统中面临的信息选择愈加复杂。查询理解作为搜推系统的核心技术，直接影响到用户体验和系统性能。现有的推荐系统在处理用户查询，特别是长尾或冷启动问题时，表现出了一定的局限性。开发一个能够高效理解用户查询意图的基础模型，成为提升系统智能化和用户满意度的关键所在。为此，本研究旨在针对搜推场景构建一个查询理解的基础模型，应用于查询改写、查询推荐和提升搜索相关性，横向赋能搜推业务。图神经网络和图基础模型为该研究提供了新的技术路径。我们计划探索以下几个关键问题。第一、如何构建一个通用且高效的查询理解基础模型，以适用于多样化的搜推场景？在此过程中，如何利用图神经网络的能力，融合用户查询和推荐物品之间隐藏的关系信息？第二、在冷启动情境下，如何通过图基础模型有效提升物品推荐的准确性，确保新的用户和物品也能被高效地推荐？第三、如何利用基于图的查询理解基础模型进行精准的查询改写和推荐，以进一步提升搜推相关性？通过这些研究，我们希望能为搜推系统提供创新的技术路径，实现更智能的用户交互和更精准的推荐服务。

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

C/C++、GNN、Golang、Java、Python、个性化推荐、冷启动问题、发表算法相关优秀论文、图基础模型、图模型、图深度学习模型、图神经网络、图网络、图计算、大模型算法、意图匹配、排序相关性、推荐引擎、推荐算法、搜广推系统、搜索意图分析、搜索推荐系统、搜索相关性、搜索算法、新物品推荐、新用户推荐、机器学习、查询优化、查询修正、查询扩展、检索单推荐系统、深度学习、用户意图解析、自然语言处理算法、语义理解