程序 |
腾讯 技术专家
本硕毕业于华中科技大学，目前博士在读，导师清华大学唐杰。10年加入腾讯，先后负责生命周期管理，用户画像等方向，现在负责复杂网络，知识图谱与体验优化等组为体系内项目提供精细化运营支持(王者荣耀，QQ飞车，穿越火线，DNF等)。带领的技术方向多次获得公司级技术突破金奖，卓越运营金奖等奖项。同时负责10多个高校合作项目，研究领域覆盖社交，知识图谱，NLP，CV，经济，心理学等多个方向。
程序 |
腾讯
技术专家
技术专家
即将开始的A2M课程
亿级大数据背后的游戏数据科学解决方案
数据科学
2019-05-18 09:00--10:00
背景介绍：
腾讯游戏数据挖掘与应用中心负责腾讯全部200多款游戏、3亿多玩家大数据的深度挖掘。面临数据量大， 数据类型多样化， 不同游戏场景差异化大等问题。经过6年发展，为游戏领域的运营问题定制出多种效果显著的数据解决方案与相关算法，在众多业务中应用取得不错效果。
解决思路/成功要点：
对于数据多样性问题，首先为结构化与非结构化数据设计了提取feature的流程，然后在此基础上提炼了用户画像。游戏的画像也很有挑战性， 它涉及图像，音效，玩法等维度，为此我们构建了游戏的知识图谱， 包括行业游戏图谱与单游戏图谱。有了这些数据基础，我们构建了多样化的应用场景，包括道具推荐，内容推荐等。 但是对于游戏场景，譬如社交推荐， 当遇到海量用户，就涉及到复杂的图计算问题，因为计算效率的问题，我们走了很多弯路，也研究出了很多新的算法，去解决这些问题，同样游戏的知识图谱构建，由于要求准确度高， 本身包括图片，文本，玩法等异构数据，也有别于传统图谱的构建。为此我们定制了游戏领域的多模态图谱构建方案。 基于此也为游戏行业趋势，新游发现，游戏资讯推荐 提供了基于图谱的支持，取得不错效果。在传统推荐上，也引入一些新的方法，譬如增强学习等来提升效果。
成果：
目前整个方案已经成为游戏接入过程中的重要一环，在游戏不同阶段的不同场景中，譬如新游戏预测，用户拉新、留存提升、匹配算法优化、游戏资讯内容推荐、游戏流失干预等场景均取得不错效果，整体平均约有30%效果提升。其中多项成果转化为专利和论文。
本硕毕业于华中科技大学，目前博士在读，导师清华大学唐杰。10年加入腾讯，先后负责生命周期管理，用户画像等方向，现在负责复杂网络，知识图谱与体验优化等组为体系内项目提供精细化运营支持(王者荣耀，QQ飞车，穿越火线，DNF等)。带领的技术方向多次获得公司级技术突破金奖，卓越运营金奖等奖项。同时负责10多个高校合作项目，研究领域覆盖社交，知识图谱，NLP，CV，经济，心理学等多个方向。
即将开始的A2M课程
亿级大数据背后的游戏数据科学解决方案
数据科学
2019-05-18 09:00--10:00
背景介绍：
腾讯游戏数据挖掘与应用中心负责腾讯全部200多款游戏、3亿多玩家大数据的深度挖掘。面临数据量大， 数据类型多样化， 不同游戏场景差异化大等问题。经过6年发展，为游戏领域的运营问题定制出多种效果显著的数据解决方案与相关算法，在众多业务中应用取得不错效果。
解决思路/成功要点：
对于数据多样性问题，首先为结构化与非结构化数据设计了提取feature的流程，然后在此基础上提炼了用户画像。游戏的画像也很有挑战性， 它涉及图像，音效，玩法等维度，为此我们构建了游戏的知识图谱， 包括行业游戏图谱与单游戏图谱。有了这些数据基础，我们构建了多样化的应用场景，包括道具推荐，内容推荐等。 但是对于游戏场景，譬如社交推荐， 当遇到海量用户，就涉及到复杂的图计算问题，因为计算效率的问题，我们走了很多弯路，也研究出了很多新的算法，去解决这些问题，同样游戏的知识图谱构建，由于要求准确度高， 本身包括图片，文本，玩法等异构数据，也有别于传统图谱的构建。为此我们定制了游戏领域的多模态图谱构建方案。 基于此也为游戏行业趋势，新游发现，游戏资讯推荐 提供了基于图谱的支持，取得不错效果。在传统推荐上，也引入一些新的方法，譬如增强学习等来提升效果。
成果：
目前整个方案已经成为游戏接入过程中的重要一环，在游戏不同阶段的不同场景中，譬如新游戏预测，用户拉新、留存提升、匹配算法优化、游戏资讯内容推荐、游戏流失干预等场景均取得不错效果，整体平均约有30%效果提升。其中多项成果转化为专利和论文。
