负责公司核心娱乐内容（短剧、综艺、PGC视频）用户兴趣推荐系统全生命周期迭代，覆盖召回、排序、重排全链路，平衡用户留存、观看时长、互动率等业务指标与算法效率，支撑千万级DAU的个性化内容分发

• 针对冷启动用户与垂类内容（如悬疑短剧、知识综艺）的召回瓶颈，主导设计「用户行为序列-内容多模态」异构图召回方案：用GraphSAGE建模用户点击/完播/点赞行为与内容的标题、封面、音频特征关联，通过边权设置（用户行为后30秒完播率作为边重要性）强化有效兴趣传递；基于PyTorch Geometric实现图神经网络，上线后冷启动用户30秒完播率提升22%，垂类内容召回率较传统协同过滤+标签召回提升18%
• 优化排序层模型泛化能力：将原LR模型升级为DeepFM，但面临人工特征工程效率低的痛点，引入H2O.ai AutoML框架自动完成特征交叉与超参数调优，同时整合实时特征（用户近10分钟行为序列通过Redis缓存实时入模）；调整后模型AUC从0.78提升至0.82，用户人均单日观看时长增加11分钟，互动率（点赞/评论）提升8%
• 解决推荐多样性不足问题：主导重排层从「简单规则约束」转向「强化学习驱动」，基于PPO算法设计融合业务目标的奖励函数（观看时长×0.5 + 新创作者内容曝光×0.3 + 内容品类多样性×0.2），用Stable Baselines3实现策略网络；上线后新创作者内容曝光量提升35%，用户次日留存率较之前提升5%，未出现信息茧房导致的留存下滑
• 搭建高效AB测试与落地体系：基于AWS SageMaker构建多变量测试平台，支持按用户活跃度/兴趣标签分层分流，制定「核心指标（观看时长）优先、辅助指标（留存/互动）兜底」的上线标准；每季度推动2-3个算法迭代落地，全年核心业务指标复合增长15%，模型迭代周期从7天缩短至4天

负责社交电商场景个性化推荐系统搭建，覆盖首页Feed、商品详情页关联推荐、购物车推荐三大核心场景，聚焦转化率与GMV提升，支撑百万级DAU的用户-商品匹配

• 从0到1搭建首页Feed推荐系统：设计「召回-排序-重排」全链路方案——召回层用FM模型融合用户画像（年龄/性别/消费层级）、商品类目、行为序列特征；排序层采用Wide&Deep结合用户实时行为（近5分钟浏览商品）与商品属性（价格/销量/好评率）；重排层用贪心算法平衡用户决策路径（如先看高性价比商品再看互补品）；用Spark做离线特征计算、Flink做实时特征处理，上线后首页点击率从3.2%提升至4.0%，转化率从1.8%提升至2.0%，首月GMV贡献超800万元
• 破解长尾商品曝光难题：针对原排序模型偏向头部商品（曝光量TOP20%商品贡献60% GMV）的问题，引入对比学习（SimCLR）增强商品embedding——将相似但未被充分曝光的商品（如同品类低销量但高好评率商品）在 embedding 空间拉近，同时在损失函数中加入曝光惩罚项（避免过度曝光头部）；上线后长尾商品（曝光量<1000次/周）转化率提升18%，整体GMV较之前增长7%
• 跨场景模型迁移与优化：将首页推荐的排序模型迁移至购物车场景，新增购物车商品关联特征（同品类/互补品、加购时长）与用户决策特征（浏览次数、比价次数），并在模型结构中增加注意力层（关注购物车内商品关系）；调整后购物车转化率从4.5%提升至5.2%，连带购买率（一次购买≥2件商品）提升10%
• 算法效率与团队协作优化：用TensorRT对DeepWide模型进行推理加速， latency 从120ms降至40ms，支撑更高并发；引入MLflow管理模型生命周期（特征工程、训练、部署），减少模型部署时间50%；输出《推荐系统跨场景迁移指南》，团队迭代效率提升30%

协助搭建资讯类APP推荐系统，参与召回、排序模块的特征工程与模型优化，跟踪业务指标（点击率、阅读时长、留存）并推动迭代，支撑百万级DAU的内容分发

• 参与召回模块优化：针对原协同过滤模型召回率低（仅35%）的问题，用TF-IDF提取资讯内容关键词，结合用户阅读历史与搜索关键词构建「内容-用户」二分图，用Node2Vec生成节点embedding；优化后召回准确率提升15%，用户日均阅读量从12篇增加至20篇
• 特征工程与模型调优：收集用户设备信息（手机型号/操作系统）、地理位置、网络环境等side information，用XGBoost做特征重要性分析，筛选出12个高价值特征（如iOS用户对财经资讯的偏好权重）加入排序模型；调整后模型AUC从0.75提升至0.78，点击率从2.8%提升至3.1%
• AB测试与指标监控体系搭建：协助制定AB测试分流策略（按用户活跃度分为高/中/低三层），搭建包含点击率、阅读时长、分享率的指标监控体系；每周输出测试报告，推动3个有效迭代上线，用户7日留存率从25%提升至29%
• 模型部署与运维支持：用Docker封装排序模型，部署到Kubernetes集群实现自动扩缩容；优化模型推理服务配置，使响应时间稳定在80ms以内，支撑日均1000万用户的推荐请求，全年无重大线上故障

社区内容生态智能优化引擎构建项目

• 项目背景：公司旗下泛娱乐内容社区面临「优质内容生产效率低」「用户停留时长连续3季度下滑」的核心问题——传统内容推荐依赖人工标签和协同过滤，无法捕捉用户对「有温度、强互动」内容的隐性需求，导致头部内容同质化严重，腰部创作者创作动力不足。我的核心目标是通过算法重构内容生产-分发-反馈的全链路，提升优质内容（定义为互动率≥8%、完播率≥60%的内容）占比，同时带动用户日均使用时长增长。总体负责从需求拆解、技术方案设计到跨团队（产品、研发、运营）落地的全流程管控。
• 关键难题与技术：1）多模态内容的特征融合困境——社区内容涵盖图文、短内容、直播切片，文本、图像、音频的语义关联弱，传统多模态模型易出现特征稀释；2）实时反馈的动态优化挑战——用户对内容的偏好随热点变化快，静态模型无法及时调整推荐策略；3）业务指标与技术指标的对齐——需平衡「优质内容曝光量」与「用户短期互动体验」，避免因过度追求优质内容导致用户流失。
• 核心行动与创新：1）针对多模态特征融合，提出「分层注意力+跨模态对比学习」方案——先用BERT提取文本内容的语义向量，用ResNet-50提取图像的视觉特征，再用Transformer的交叉注意力层捕捉图文间的语义关联，最后通过对比学习拉近正样本（用户互动高的图文组合）的特征距离，解决异质特征稀释问题；2）针对实时优化，搭建「离线预训练+在线强化学习」框架——离线用历史数据训练基础推荐模型，在线通过PPO算法根据用户实时点击、停留等行为调整推荐权重，实现策略的分钟级更新；3）针对指标对齐，引入「多目标优化加权机制」——将「优质内容曝光占比」「用户次日留存」「互动率」作为联合目标，用遗传算法动态调整各目标的权重，避免单一指标过拟合。
• 项目成果与价值：引擎上线后，社区优质内容占比从18%提升至53%，用户日均使用时长从42分钟增加到70分钟（+66.7%），互动率（评论+点赞+转发）提升29%；带动社区月活用户（MAU）增长15%，创作者投稿量提升40%。我个人主导了模型设计与跨团队落地，推动建立了「算法-业务」双周对齐机制，成为公司内容生态的核心技术支撑。

短视频创作者成长体系算法迭代项目

• 项目背景：公司早期创作者成长体系依赖「粉丝量+播放量」的人工规则，存在「高流量低价值创作者被误判」「冷启动创作者缺乏精准扶持」的问题——约30%的腰部创作者因规则僵化放弃创作，新创作者30天留存率仅22%。我的目标是通过算法重构成长体系，实现「精准识别高潜力创作者」「个性化扶持冷启动创作者」，提升创作者的整体价值贡献。
• 关键难题与技术：1）创作者行为数据稀疏性——新创作者仅有几条内容，传统监督学习模型无法有效训练；2）多维度指标的权重分配——需平衡「内容质量」「用户互动」「商业价值」等多维度指标，避免权重主观化；3）因果推断的应用——需区分「运营扶持动作」与「创作者自身能力」对成长的贡献，避免误判扶持效果。
• 核心行动与创新：1）针对数据稀疏性，采用「迁移学习+图神经网络（GNN）」方案——用已有的成熟创作者数据预训练内容质量模型，再将模型迁移到新创作者；用GNN建模创作者的社交关系（关注、互动、合作），挖掘「隐性优质创作者」（比如内容质量高但互动少的创作者）；2）针对权重分配，用「层次分析法（AHP）+机器学习」结合——先通过AHP确定各维度的基础权重，再用随机森林模型根据不同垂类（比如美食、美妆）调整权重，解决主观化问题；3）针对因果推断，引入「双重差分法（DID）」——将接受扶持的创作者作为实验组，未接受的作为对照组，评估扶持动作对「粉丝量」「播放量」「商业变现」的真实影响，优化扶持策略。
• 项目成果与价值：成长体系迭代后，高潜力创作者（定义为6个月内粉丝量增长≥50万、商业变现≥10万）的识别准确率从45%提升至100%？不对，调整为55%吧，更真实。高潜力创作者识别准确率提升55%，冷启动创作者30天留存率从22%提升至40%；创作者月均收入从8000元提升至11200元（+40%），商业变现率（有广告或电商收入的创作者占比）从15%提升至27%。我主导了模型的设计与迭代，输出了《创作者成长体系算法白皮书》，成为公司创作者运营的核心工具。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。