大淘宝技能提出TTNet算法，荣获“最佳工业论文奖”奖项

由IEEE计算机学会、国际收集智能协会、美国计算机学会主办，牛津大学、昆士兰大学、迪肯大学、中国医学科学院、东南大学、南京财经大学、PIESAT、大淘宝技能部、IOS Press协办的第20届WI-IAT国际会议(WI-IAT 2021)于2021年12月14至17号在澳大利亚的墨尔本召开。

WI-IAT是每年一度的人工智能规模的国际会议，旨在提供一个广泛的交流平台，供学术界、专业人士和业界人士交流彼此的想法和发现。 WI-IAT的目标是在集体智能、数据科学、知识管理、收集科学、自主代理以及以人为中心的计算和多代理系统相关的理论和办法的研究进展之间完成多学科平衡。同时，致力于解决研究对应的实际使用问题，既加深了对未来收集的计算、逻辑、认知、物理和社会基础的理解，又使智能技能的发展和使用成为可能。

今年是WI-IAT 20周年。WI-IAT'21提供了一个主要的论坛，并在所有理论和技能规模的Web智能和智能代理技能提供了高质量的、原创的研究论文和现实世界的使用。此次会议的主题是'AI in the Connected World'，即AI连接世界,专注于AI技能对现实问题的使用和结合，国内外专业研究者贡献出多种通过AI技能来解决现实问题的实际使用方案。大会邀请了2位图灵奖获得者(Leslie Vialiant教授和Joseph Sifakis教授)、美国工程院院士(Tom M. Mitchell教授)和荷兰皇家科学院院士(Frank van Harmelen 教授)进行主题报告分享，以及颁布各类奖项。此次会议上，大淘宝技能商家赋能算法团队联合浙江大学提出的TTNet算法荣获“最佳工业论文奖”奖项。

互联网和数字技能为中小企业开辟了新的销售路径，深刻推动了营销方式、消费者运营模式和商品生产方式的变革。但中小商家常常会受限于其自身销售规模、研发能力和市场宣传等方面的不足，使得他们的优质商品难以在有海量商品中被用户充分发掘并得到充足的成长，因此如何通过数字化帮助中小商家完成商品成长过程的降本提效一直是电商市场机制优化的核心难题，也是电商平台助力社会共同富裕的基础所在。大淘宝技能商家赋能算法团队联合浙江大学创新性地首次将Meta-transfer Learning的迁徙策略使用到Tabular Learning上，解决Tabular Data在少样本迁徙快速适应的难题，为该规模贡献了一种新的研究思路，荣获大会“最佳工业论文”奖。

经过大量的研究工作，团队进一步将此算法模型使用在发掘优质有后劲的商家新品，通过新品的少量稀疏数据构建Tabular数据特征，再使用其提出的TTNet算法模型准确且高效地预估商家的新品后劲，新品后劲可用于指导这些后劲新品的大规模扶持孵化。经过实验证明，团队的算法模型可以完成亿级新品的后劲发掘，以及千万级的商家新品有效扶持。通过这种方式，该项技能可以帮助中小商家的优质新品在平台快速成长起来，为商家创造新的利润源泉，也给平台带来源源不断的高质量新品，扩大平台供给侧资源，为消费者提供更丰富多样的选择。

Tabular数据作为日常生活中常见的一种数据格式(如电子表格和csv文件)，主要包括类别和统计数据等表格数据。现有的大多数办法例如深度神经收集办法往往并不能很好地发掘这种Tabular特征，因为其相比于树形结构办法不能够很好地完成特征选择。其次，现有的办法因为收集结构的复杂难以复用，进而在迁徙任务中不能取得很好地表现结果。因此针对这两点问题，团队提出了TTNet算法，其创新点主要体现在:

首先通过设计一种分箱表格收集结构，既能够模仿树形结构完成特征选择，也能够使神经收集在迁徙任务中完成收集复用，以更好地发掘表格形数据的特征。此外，团队采用了Meta-transfer的迁徙策略来完成从源数据迁徙到目标数据的快速适应。

(3)无论是在公共数据集还是在实际业务数据使用中，相比与已有的算法，团队提出的TTNet办法均能取得更好的表现结果。

该算法模型能够广泛使用于通用的tablular数据的业务场景，包括但不限于电商规模新品发掘，金融规模的风险账户识别，医疗规模的患者健康预估，致力于解决业务场景数据少样本稀疏问题，极大地提高预测的准确性和高效性。大淘宝技能商家赋能算法团队联合浙江大学将算法模型使用在电商规模，完成了中小商家运营能力和数字化能力的极大提升，帮助商家扩大了经营效益，助力于社会共同富裕。阿里巴巴集团淘宝事业群新零售技能事业群副总裁汤兴表示，“这是技能真正在产业中发挥作用的典型范式，我们不仅为消费者带来购物体验，更推动技能对于行业的数字化转型和赋能。今天的算法模型只是一小步，大淘宝技能将持续去迭代我们生活与技能、与世界的关系。”