在電商推薦中，如何辨識用戶的選品意向一直是一個有趣的話題。用戶的選品意向從表現(xiàn)上，覆蓋面廣，影響因素多，成因復(fù)雜，又難以預(yù)測。這些意向可能是長時意向，短時意向，廣泛的瀏覽意向，或精準的購買意向。傳統(tǒng)的推薦方法，很難對這些意向做到精確地量化地區(qū)分，從而造成意向識別不充分，系統(tǒng)反應(yīng)不敏捷，推薦選品重復(fù)，浪費資源位等諸多問題。如何設(shè)計推薦系統(tǒng)，使其通過動態(tài)排序去合理的解決這一問題，一直以來，都是電商研究人員關(guān)注的焦點。攻克這一難題，可以帶來大幅地用戶轉(zhuǎn)化提升以及改善用戶體驗的目的。

針對以上問題，京東智能廣告實驗室推薦團隊提出了一種深度學(xué)習(xí)與多臂老虎機相結(jié)合的動態(tài)排序機制，這種全新的推薦方式，不僅充分結(jié)合了深度學(xué)習(xí)原有的處理海量數(shù)據(jù)，高效抽取數(shù)據(jù)特征并進行量化的模型特性；同時通過多臂老虎機對用戶的不同意向進行精準量化，實時監(jiān)控，對用戶每次線上行為做出更加敏捷的分析，實時的改變排序策略，達到深層次建模選品的目的。這篇論文，不僅給出了非常具體的工程實現(xiàn)方式，而且從理論上對于方法的最優(yōu)性予以了充分的數(shù)學(xué)證明，使廣大從業(yè)者在應(yīng)用時能夠做到“證其優(yōu)、知其優(yōu)、觀其優(yōu)”。

據(jù)京東集團副總裁、商業(yè)提升事業(yè)部總裁，同時也是京東智能廣告實驗室負責人顏偉鵬博士介紹，這種深度學(xué)習(xí)與強化學(xué)習(xí)相結(jié)合的推薦方式，是繼Google, Uber, DeepMind等大型國際人工智能研究機構(gòu)在圍棋、電競、智能駕駛等領(lǐng)域應(yīng)用后，在推薦領(lǐng)域上的首次大規(guī)模工業(yè)應(yīng)用，無論國內(nèi)或是國外，均屬領(lǐng)先水平。深度動態(tài)排序的在京東電商推薦的成功（新系統(tǒng)對于多項推薦核心指標均帶來了非?？捎^的提升：銷售額+16.7%，轉(zhuǎn)化+2.6%）充分說明，人工智能對于電商而言充滿了想象空間。如何更好地對電商、計算廣告等領(lǐng)域中諸多問題進行建模，有朝一日在電商領(lǐng)域?qū)崿F(xiàn)強人工智能，這些話題對于每一個算法從業(yè)人員來說，都意義深遠且大有可為。