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，成因復雜，又難以預測。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)反應不敏捷，推薦選品重復，浪費資源位等諸多問題。如何設計推薦系統(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習與多臂老虎機相結(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)合了深度學習原有的處理海量數(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)學證明，使廣大從業(yè)者在應用時能夠做到“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，這種深度學習與強化學習相結(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、智能駕駛等領域應用后，在推薦領域上的首次大規(guī)模工業(yè)應用，無論國內(nèi)或是國外，均屬領先水平。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、計算廣告等領域中諸多問題進行建模，有朝一日在電商領域?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。