數(shù)字經(jīng)濟(jì)時代,金融行業(yè)對于創(chuàng)新技術(shù)的需求愈加迫切。多年來,度小滿持續(xù)加強(qiáng)對預(yù)訓(xùn)練模型、序列建模等前沿技術(shù)的布局,不斷取得新突破、新成果。如今,憑借強(qiáng)勁的技術(shù)實力,度小滿已有多篇論文被國際頂級會議錄用。
(資料圖)
AI技術(shù)能力雄厚,度小滿多次在國際頂會發(fā)表論文
近期,第31屆ACM信息與知識管理國際會議(The 31th ACM International Conference on Information and Knowledge Management,CIKM 2022)公布的錄用結(jié)果顯示,度小滿AI Lab的三篇文章被錄用。據(jù)悉,CIKM創(chuàng)辦于1992年,是全球信息檢索和數(shù)據(jù)挖掘領(lǐng)域的頂級學(xué)術(shù)會議之一,享有較高的學(xué)術(shù)聲譽。度小滿已多次在CIKM、ACM MM、CVPR等國際頂會發(fā)表論文,其AI前沿技術(shù)能力已堪比國際一線機(jī)構(gòu)。
(ExpertBert框架圖)
度小滿這次被錄用的三篇論文,分別在預(yù)訓(xùn)練模型、用戶表示、序列建模等NLP任務(wù)相關(guān)算法上取得突破性進(jìn)展。三篇論文題目分別為ExpertBert: Pretraining Expert Finding(ExpertBert:用戶粒度預(yù)訓(xùn)練框架,快速匹配高質(zhì)量回答)、Efficient Non-sampling Expert Finding(ENEF:高性能、低計算復(fù)雜度的「非采樣」專家發(fā)現(xiàn)模型)、Deep View-Temporal Interaction Network for News Recommendation(DeepVT:視圖與時序模式交互,全面、精準(zhǔn)預(yù)測用戶畫像)
創(chuàng)新技術(shù)取得新進(jìn)展,度小滿已將其應(yīng)用在實際業(yè)務(wù)中
在度小滿此次的三篇論文中,用于專家發(fā)現(xiàn)任務(wù)的ExpertBert模型,彌合了預(yù)訓(xùn)練目標(biāo)與下游建模任務(wù)的差距,能夠精準(zhǔn)識別潛在的信貸需求;ENEF模型,基于非采樣策略進(jìn)行專家發(fā)現(xiàn),增強(qiáng)了問題和用戶表示的魯棒性和穩(wěn)定性,成為CQA領(lǐng)域兼具性能與效率的最優(yōu)方法;DeepVT模型,全面有效地捕捉和融合視圖和時序模式,使小微客群的行為預(yù)測更精準(zhǔn)。
度小滿AI Lab負(fù)責(zé)人楊青表示,這些算法與金融行業(yè)的用戶行為預(yù)測高度相關(guān),對于風(fēng)險評估,信貸獲客和老客經(jīng)營等信貸業(yè)務(wù)至關(guān)重要。目前以上創(chuàng)新技術(shù)已在實際業(yè)務(wù)上落地應(yīng)用。
度小滿AI Lab團(tuán)隊撰寫的三篇文章聚焦預(yù)訓(xùn)練模型、用戶表示、序列建模等前沿技術(shù),為加快攻克金融科技難題,推動創(chuàng)新技術(shù)在金融領(lǐng)域的落地應(yīng)用提供了有力支撐。未來,度小滿將繼續(xù)加強(qiáng)技術(shù)研發(fā)與創(chuàng)新,以科技破解金融服務(wù)痛點,助力實體經(jīng)濟(jì)高質(zhì)量發(fā)展。