负责电商平台全链路搜索算法设计，涵盖召回策略迭代、多目标排序模型优化、用户意图理解及线上AB实验落地，边界覆盖特征工程到高并发服务部署，需平衡用户体验与GMV核心指标。

• 主导召回层多模态融合策略升级，针对长尾查询召回不足问题，基于双塔模型（DSSM改进版）强化商品标题与用户查询的语义对齐，同步引入图神经网络（GNN）挖掘商品类目-属性-品牌的关联关系，构建‘语义+图关系’双路召回；通过离线对比实验调整两路权重，线上AB测试显示CTR提升8.2%，长尾查询GMV贡献占比从12%增至17%。
• 重构排序模型特征体系，针对用户行为稀疏性问题，采用Transformer编码器处理用户7天实时行为序列（点击/加购/收藏），融合上下文特征（时段、设备、促销标签）与商品侧深度特征（价格带、库存状态），并通过知识蒸馏将教师模型（DeepFM）能力迁移至轻量学生模型；线上AUC从0.78提升至0.81，转化率提升3.1%，模型推理耗时降低25%。
• 牵头模糊意图识别模块优化，基于BERT-base微调处理‘送男友礼物’‘学生党平价护肤品’等无明确品类指向的查询，结合自研商品知识图谱补全实体标签（如‘礼物’关联‘饰品/数码’），设计意图分类-实体补全-查询扩展三阶段流程；意图准确率从85%提升至92%，无效查询截断率下降12%，相关查询的点击深度提升1.5次。
• 推动搜索系统性能升级，基于Flink实现用户行为特征实时入湖（Hudi），替代原有T+1离线计算；同步优化TensorFlow Serving部署架构，采用动态批处理与模型量化，将排序响应时间从120ms压缩至80ms，支撑大促期间峰值QPS 5万+的稳定运行，系统可用性保持99.99%。

聚焦垂直电商搜索场景，负责召回策略优化、排序模型迭代及搜索效果评估，边界覆盖从特征挖掘到AB实验落地，需解决新商品冷启动与低活用户留存问题。

• 设计新商品冷启动召回方案，针对上架30天内商品曝光不足问题，基于协同过滤（ItemCF）挖掘相似商品池，结合商品内容特征（文本/图像Embedding）构建‘行为+内容’混合召回；通过离线A/B测试确定相似商品相似度阈值，新商品首周曝光量提升40%，点击率从2.1%提升至3.8%，30天留存率提高15%。
• 优化多目标排序模型，针对点击与转化目标冲突问题，采用ESMM+MMOE联合训练框架，引入帕累托最优筛选策略平衡短期收益与长期价值；线上CTR提升4.5%，CVR提升2.7%，高客单价商品转化贡献占比从28%增至35%。
• 搭建搜索实验中台，集成AB测试平台与指标监控系统（Prometheus+Grafana），实现策略配置-流量分发-结果分析全流程自动化；将单组实验周期从7天缩短至4天，支持每周5组以上策略并行验证，团队迭代效率提升30%，关键指标波动预警覆盖率从60%提升至90%。

负责垂直母婴电商搜索基础能力建设，聚焦召回模型开发与排序策略调优，边界覆盖查询理解到结果排序全流程，需解决低频次高价值用户的需求匹配问题。

• 开发基于Word2Vec与TF-IDF的查询-商品匹配模型，针对‘婴儿湿疹膏’‘新生儿奶瓶消毒器’等长尾词匹配不准问题，通过语料清洗（去除停用词）与领域词向量微调提升语义表征能力；搜索结果相关性人工评分从0.65提升至0.78，低频查询点击率提升1.2个百分点。
• 设计实时搜索建议功能，基于Elasticsearch实现查询纠错（编辑距离算法）与前缀联想（Trie树优化），结合用户历史搜索行为调整联想词权重；用户搜索放弃率从22%下降至18%，会话平均时长增加2分钟，带动关联商品曝光量提升15%。
• 参与搜索日志深度分析，通过K-means聚类识别‘宝宝辅食机哪个牌子好’‘孕妇装夏季薄款’等高频低转化查询，联动运营补充商品库中‘有机材质’‘一键清洗’等卖点标签；相关查询的转化率从3.1%提升至4.9%，用户满意度调研评分提高0.4分（满分5分）。

短视频用户兴趣演化预测与内容推荐系统升级项目

• 项目背景：平台用户规模达3亿+，但传统协同过滤+静态Embedding的推荐模型无法捕捉用户兴趣的动态变化，导致30日用户留存率停滞在45%，核心互动率（点赞/评论/转发）月均增速不足5%。我的职责是主导兴趣演化算法设计、迭代及全链路落地，联动工程团队实现实时化部署。
• 关键难题：用户兴趣呈现“短期波动+长期稳定”双重特性，传统时序模型难以融合多模态内容语义（视频画面、文案、标签）与行为序列的深层关联；实时更新需平衡计算效率与特征时效性。
• 核心行动：1. 设计“分层兴趣编码模块”——底层用CNN提取视频视觉特征、BERT处理文案语义，中层通过自适应注意力关联历史行为时序特征，顶层用Temporal Point Process建模兴趣突变事件；2. 引入基于Flink的增量学习框架，将模型更新延迟从小时级压至5分钟内；3. 搭建离线仿真环境模拟10万级用户兴趣路径，验证兴趣覆盖度较传统模型提升40%。
• 项目成果：上线后用户日均停留时长从78分钟增至92分钟（+18%），核心互动率提升12%至8.9%，CTR从11%升至13.75%（+25%）；模型支持实时捕捉兴趣变化（如健身用户10分钟内收到进阶内容的比例提升35%）。项目获公司年度技术创新奖，核心模块纳入推荐中台并推广至海外版。

本地生活商家动态需求预测与资源调度优化项目

• 项目背景：平台覆盖200+城市餐饮/到店商家，订单受天气、竞品活动影响波动剧烈，导致骑手空跑率28%、商家超时履约率15%、用户投诉率月均12%。我的职责是开发需求预测模型，联动调度算法提升履约效率。
• 关键难题：商家需求具强时空异质性（商圈店vs社区店、午高峰vs晚高峰），传统时间序列模型无法捕捉局部特征；外部因素（暴雨、商场促销）的突发影响难量化；调度需平衡骑手等待与履约时效的多目标。
• 核心行动：1. 构建多源特征体系——整合商家历史订单、竞品活动、天气（降雨量/气温）、城市事件（演唱会/展会），用LightGBM筛选TOP20关键特征；2. 设计“时空卷积+LSTM”混合模型，时空层捕捉区域需求聚集效应，LSTM建模时间趋势；3. 采用PPO强化学习优化调度，状态空间包含骑手位置/订单时效/出餐速度，奖励函数兼顾履约率与骑手距离。
• 项目成果：商家hourly订单预测准确率从65%提升至95%（+30%），骑手空跑率降至21.8%（-22%），超时履约率降至8%；用户投诉率月均降至5%（-58%），履约成本降低18%。项目纳入核心供应链系统，支撑当年商家入驻率提升25%。

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。