原标题：京东两篇技术论文被AI顶会收录
近日，京东两篇技术论文分别被业界顶会IJCAI2020和SIGIR2020收录（As Full Paper）。众所周知，IJCAI（International Joint Conference on Artificial Intelligence）是人工智能领域创办最早的旗舰会议，2020年的录用率更是创新低仅为12.6%。而作为信息检索与数据挖掘领域的世界权威学术会议SIGIR（Special Interest Group on Information Retrieval），其收录的论文代表了信息检索与数据挖掘领域的创新技术与重大成果,是该领域学术研究与行业发展的风向标。可以说能在这两大业界顶会有所斩获，京东强大的技术实力可见一斑。
谈及此次论文入围顶会京东集团副总裁，商业提升事业部总裁颜伟鹏博士介绍说：AI技术是京东持续高速发展的核心驱动力之一，未来AI技术必将会在更多领域发挥巨大的作用，带动全行业、全社会效率的提升。
此次被收录的两篇论文，均出自京东商业提升事业部，商业提升事业部隶属京东零售集团，该事业部通过AI、大数据分析能力和全网资源整合能力，为京东商家、供应商以及其他商业合作伙伴提供智能营销服务。几年来商业提升事业部持续聚焦技术赋能的打造，特别是在AI领域，取得了突出成果，数十篇技术论文被业界顶会收录，并涌现了一批AI领域的技术专家。下面就让我们简单了解一下此次被收录的两篇技术论文。
分层强化学习的推荐多目标优化：MaHRL: Multi-goals Abstraction based Deep Hierarchical Reinforcement Learning for Recommendations（SIGIR2020收录）
基于分层强化学习的多目标优化框架
站外广告pCVR预估面临着两大挑战：一是用户点击/下单数据稀疏，二是点击/下单之间的时间延迟大。
为解决上述问题，我们提出了一个双层结构的深度学习框架，第一层利用展示/点击信息训练item emb，通过item emb迁移优化cvr模型的特征选取，解决了因数据稀疏带来的参数训练不充分问题；第二层，从attention机制兴趣挖掘、下单时延预估、点击后行为数据校准等多维度对pCVR建模优化，解决了因下单时延大带来的样本误用问题。最终提升了在线pCVR预估的准确度。
实际业务场景中，MaHRL已经在广告系统的触发排序中得到线上真实场景的实验验证，在广告收入/cvr等指标都带来了显著提升。为维护用户/媒体等多方生态打造了良好基础。
pCVR预估：An Attention-based Model for Conversion Rate Prediction with Delayed Feedback via Post-click Calibration（IJCAI2020收录）
传统排序模型主要以优化点击为主，但电商场景下除点击外我们还需要关注转化，基于此，京东提出了基于分层强化学习的多目标优化框架。
采用分层强化学习思想，底层agent（low-level recommendation agent，LRA）主要学习点击信息，进行推荐排序；高层agent (high-level recommendation agent，HRA)则学习转化稀疏信号，并把信号作为特征以及reward反馈至底层，引导底层agent在下单方向进一步优化，最终使推荐排序结果达到兼顾点击和转化的多目标优化目标。
实际业务中，CVR模型采用上述训练框架的优化后，智能出价广告的pCVR预估准确性和广告效果正向率均取得了大幅提升。
“每一次技术革命都对会给广告营销带来颠覆性的改变”，京东集团副总裁、商业提升事业部总裁颜伟鹏总结道，“而AI技术的高速发展无疑颠覆了我们的想象，目前AI技术的应用已经贯穿于京东广告营销的整个商业流程，未来商业提升部将继续推进京东数据价值的挖掘，探索AI技术在广告领域的应用，打造技术和大数据驱动的京东营销生态。”
责任编辑：