大会上,微众银行AI部门副总经理郑文琛以“AI-driven Innovation In Finance Industry”为主题,分享了微众银行AI团队利用数据分析等技术推动金融行业创新的最新成果。郑文琛表示,在如今金融科技机遇与挑战并行的环境下,微众银行AI团队致力于通过深度学习、迁移学习、联邦学习等AI技术,在优化金融行业传统业务的同时开发新业务,如今在数字银行的营销、服务、风险管理等业务模块中已经有了较为成功的实践。

图:微众银行AI部门副总经理郑文琛发表演讲

作为国际数据科学和数据挖掘领域最顶级的学术会议,KDD大会以论文接收严格闻名,每年的接收率不超过 20%,因此颇受行业关注。在严格的评审制度下,微众银行AI团队与各高校联合提交的与AI精准营销、智能推荐相关的两篇研究论文,成功被KDD收录:

其中,论文《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》由微众银行AI团队、香港科技大学团队共同发表。论文主要研究了社交内容推荐的公平性问题,即在现有机器分发机制下,少量热门内容及其创作者容易变得越来越热门,“马太效应”明显。为了解决该公平性问题,该论文基于社交网络属性,提出一个Social Attentive Exploration Network(SAEN)模型。该模型在去中心化的思想指导下,通过对不同用户做个性化探索和多样性推荐,实现了内容消费者满意度和内容发布者公平性两个指标的平衡,得到了很好的效果。

目前,该研究成果已成功运用于微众银行AI营销解决方案,主要落地智能推荐业务板块。以财经类付费媒体-财新App为例,如今,越来越多的用户付费意愿强烈,如何智能化提升推荐效率,抓住意向转化用户,并同时最大化优质内容稿件的公平分发,成为一大挑战。微众AI在对信息流内容进行深度学习建模的基础上,利用SAEN模型对内容消费者-内容-内容创作者的关系图进行兼顾效率和公平的内容分发,鼓励更多内容创造者和内容消费者之间的互动。由此,让财新用户读越多(人均曝光提升13%),读越久(人均阅读时长提升19%),越想读(人均点击提升21%)。

而另一篇被KDD录取的论文——《Hidden POI Ranking with Spatial Crowdsourcing》,由微众银行AI团队、电子科技大学等单位联合发表。论文主要探讨如何通过机器学习加众包的手段来发掘潜在的地理兴趣点。为了最大化潜在兴趣点的发掘效率,该论文提出了一种Tree-constrained Skip Search(TSS)算法,来智能评估众包工作者的质量,并给他们分配最合适的兴趣点排序任务。

在微众银行AI营销解决方案中,该研究的概念被借鉴于微众LBS(LocationBased Service)广告投放业务。为了拓展业务,经常要在新地域投放广告。微众团队通过挖掘地理兴趣点与跨地域的LBS迁移学习,利用已投放广告地域的数据,来优化在新地域广告投放,达到了很好效果(提升5%)。另外,这一算法能力已被应用于微众银行的数据管理平台(DMP)。DMP平台基于对种子客户网络行为、社会关系、LBS等信息进行大数据画像,应用算法扩展特征相似的客户。通过这一方式,助力广告主拓展保质保量的线上推广渠道,实现精准拉新获客,降低获客成本。

目前,除了服务于微众银行本身的金融业务,微众银行同时开放AI能力,积极探索“AI营销+金融”的精准营销新道路。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。