【IT168 特别报道】2017第八届中国数据库技术大会(DTCC2017)于2017年5月11-13日在北京举办。本届大会以“数据驱动·价值发现”为主题，汇集了来自互联网、电子商务、金融、电信、政府、行业协会等20多个领域的120多位技术专家，共同探讨Oracle、MySQL、NoSQL、云端数据库、智能数据平台、区块链、数据可视化、深度学习等领域的前瞻性热点话题与技术。

　　5月13日，腾讯云高级工程师尹程果在大会的分会场上，带来了《腾讯广告与推荐系统》的主题演讲。

　　尹程果，腾讯云大数据算法工程师，隶属于腾讯TEG-数据平台部-数据应用团队，本次演讲主要介绍腾讯云“数字营销”和“智能推荐”两大产品的算法框架和体系结构。从最初人工特征选择，再到自动特征选择以及后续的深度学习探索，其中遇到的问题和优化。

▲腾讯云高级工程师尹程果

　　腾讯效果广告实践

　　尹程果介绍，效果广告是由广告位(网页、APP)、广告主(管理平台)、广告检索平台、广告预测平台、广告投放平台、用户等基于采集、计算、引擎而构成的生命周期。在腾讯效果广告实践上，，面临着缺乏用户主动行为、数据含金量低、广告生命周期短、缺乏场景数据、广告预测模型实视化等挑战。

　　与此同时，基于腾讯社交平台、游戏应用的生态链，腾讯用户画像积累了千亿级数据量。自研实时并行计算模型，分钟级全量更新，构成了全流程数据驱动的海量、精准、实时的推荐系统。

　　腾讯实时精准推荐

　　演讲中，尹程果吐露，腾讯的实时精准推荐是以用户画像为核心基础、以效果广告为代表的精准营销、以视频推荐为代表的相关推荐、以电商推荐为代表的效果推荐等方式结合QQ好友，微博等关系链推荐、QQ秀，APP应用类推荐、Tips定向推荐。以推荐引擎为中心，产生交叉效应: 用户-物品, 用户-推荐位, 物品-推荐位,用户-物品-推荐位的相似度。

　　其中，值得注意的是，实时精准推荐主要是以腾讯自身的海量数据为依托，目前，在腾讯的数据库中，月活跃用户数高达9亿，日均用户行为40亿次以上，单产品日均请求百亿量级，用户关系链累积千亿量级，日均支撑多维度交叉计算量。这些数据都来源于腾讯的生态体系，比如社交属性(QQ、微信)，内容(腾讯网、微博、视频)，游戏付费数据，京东、微信电商平台等等。

　　尹程果介绍，在算法上，分为Ensemble方式和加特征方式。主要能够解决性能问题，抽取其中CNN层输出的图像特征，加入LR。

　　另外，全流程实时的推荐价值体现在实时推荐、数据流式处理、模型实时更新、数据实时化等四个维度上。