负责电商平台全品类搜索系统的全链路算法设计与迭代，覆盖Query理解、召回、排序及效果评估环节，目标是提升搜索结果相关性（NDCG@10）、用户点击率（CTR）及转化效率（CVR），支撑日均3亿+搜索请求的高效响应。

• 主导Query理解模块升级，针对电商场景长尾查询（占比35%）语义模糊问题，基于BERT-base+CRF构建多任务学习模型，融合实体识别（商品类目/品牌/属性）、意图分类（购买/比价/咨询）及纠错任务，将模糊查询的语义表征准确率从82%提升至91%，带动整体搜索CTR增长8.2%；同步落地动态词表更新机制，每周自动捕捉新品类/热词（如“多巴胺穿搭”“智能养老设备”），减少人工干预70%。
• 重构召回层多路策略，针对传统协同过滤召回多样性不足痛点，设计“语义召回+兴趣扩展+跨类目关联”三路融合架构：基于SimCSE优化文本语义向量召回（召回率@20从58%提至65%），引入用户行为序列的GraphSAGE生成兴趣扩展候选（覆盖新商品曝光量增加40%），并通过协同过滤挖掘跨类目高潜关联（如买瑜伽垫用户推荐运动水杯），最终整体召回覆盖率提升12%。
• 设计个性化排序模型，突破传统Pointwise模型对用户上下文感知弱的问题，基于Transformer架构融合用户短期行为（近1小时点击/加购）、长期画像（消费层级/偏好类目）及场景特征（时段/设备/地域），构建DeepFM+Attention的多目标排序框架（同时优化CTR、CVR、停留时长），上线后A/B测试显示整体GMV提升15.6%，高价值用户（年消费>1万）留存率增长7.3%。
• 推动搜索效果评估体系升级，针对传统离线指标（NDCG、MAP）与线上体验脱节问题，搭建“离线仿真+小流量验证+全量监控”三级评估链路：基于用户真实行为日志训练仿真模型（预测准确率89%），提前预判策略风险；设计多维度在线指标看板（含无效点击率、翻页率、退出深度），支撑快速定位问题；该体系使策略迭代周期从7天缩短至4天，线上事故率下降50%。

聚焦在线教育垂类搜索场景，负责课程搜索的算法优化，核心目标为提升垂直领域查询（如“小学奥数竞赛辅导”“Python数据分析实战课”）的相关性与转化，支撑平台课程曝光-点击-购买全链路效率提升。

• 核心参与搜索系统从“关键词匹配”向“语义理解”的转型，针对教育类长文本查询（平均长度28词）匹配不准问题，对比实验BERT、RoBERTa、XLNet等预训练模型，最终选择XLNet微调作为语义编码器（准确率较BM25提升22%），并结合课程标题、简介、标签的多模态特征融合，将垂类查询的相关性评分（人工标注）从3.8分（5分制）提升至4.5分。
• 设计实时反馈排序机制，解决用户搜索行为滞后影响模型效果的问题：基于Flink搭建实时特征工程管道，提取用户近5分钟点击/收藏的课程标签、价格带偏好等动态特征，接入XGBoost排序模型，使新用户首搜转化率提升9.1%，同时通过特征过期策略（TTL=30分钟）控制模型过拟合风险。
• 攻克冷启动难题，针对平台新上线课程（占比18%）曝光不足问题，提出“内容标签+用户画像交叉推荐”方案：基于课程的知识图谱标签（如“初中数学-函数-导数”）与用户历史学习的知识点缺口匹配，生成候选集；结合协同过滤预测用户兴趣分，将新课程在首周的搜索曝光量提升3倍，其中15%的新课程在首月进入品类TOP50。
• 主导搜索日志分析与策略迭代闭环，搭建ELK日志平台（Elasticsearch+Logstash+Kibana），每日处理1000万+搜索事件；通过归因分析发现“高意向用户（搜索词含“报名”“优惠”）转化率仅6%”的问题，针对性优化排序模型对营销词的权重，使该群体转化率提升至11%，年贡献额外GMV超2000万元。

负责公司内部知识管理平台搜索功能的基础算法实现，覆盖文档检索、关键词高亮及热门搜索推荐，目标是提升员工文档查找效率（目标：平均查找时间<30秒），支撑企业知识沉淀与复用。

• 基于Elasticsearch搭建企业级搜索系统，完成索引设计（分词器选择IK Smart+自定义词典）、分片策略（按部门划分5个分片）及查询优化（布尔逻辑+短语匹配），将文档召回率从68%提升至85%，平均查询响应时间从800ms降至200ms，支撑平台10万+文档的高效检索。
• 优化关键词高亮功能，解决传统TF-IDF算法对长文档关键信息提取不准的问题：引入TextRank算法提取文档核心句（保留前20%关键内容），结合BM25计算关键词权重，实现高亮片段的语义连贯性（人工评估满意度从72%提至89%），员工反馈“找重点更快了”。
• 设计热门搜索推荐模块，基于用户搜索日志构建共现网络（挖掘高频词对如“报销流程-发票要求”），结合时间衰减因子（近7天数据权重80%）生成每日Top10推荐词，使新员工首次搜索成功率从55%提升至70%，降低知识客服咨询量15%。
• 推动搜索效果AB测试常态化，设计多变量测试方案（同时验证分词器、排序策略、高亮方式），通过Python脚本自动化执行测试并输出报告；累计完成12组实验，其中“自定义词典+TextRank高亮”组合方案使整体查找效率提升25%，相关经验被纳入公司技术文档库。

社交泛娱乐场景下兴趣扩散与冷启动协同优化算法项目

• 项目背景：公司核心社交APP面临「大V内容分发效率衰减」与「新用户/新内容冷启动转化低」的双重问题——头部创作者内容CTR从18%降至12%，新用户7日留存仅21%，新视频首30分钟曝光转化不足5%。核心目标是重构推荐算法体系，实现「存量用户兴趣精准挖掘」与「增量内容/用户高效触达」的协同优化。
• 关键难题：1）传统协同过滤对冷启动用户/内容的表征能力弱，存在严重的selection bias；2）社交场景下用户兴趣随关系链动态漂移，实时捕捉难度大；3）多模态内容（图文、短视、直播切片）的特征融合易导致信息冗余。针对这些问题，我选择以「异构图神经网络（HGNN）+因果干预模型」为核心框架，同时解决冷启动与实时性挑战。
• 核心行动与创新：1）主导构建「用户-内容-社交关系」三元异构图，将用户行为序列转化为动态图节点嵌入（用GAT捕捉关系链传播效应），内容侧用CLIP实现多模态统一表征；2）引入因果推断的DO-calculus，通过反事实推理消除冷启动内容的「曝光偏差」——为未曝光的新内容生成「潜在受欢迎度」分数，与图模型输出的兴趣分数加权融合；3）搭建实时特征 pipeline，用Flink对接用户行为流，每秒更新图的节点嵌入，保证推荐的时效性。此外，创新性提出「兴趣扩散系数」指标，量化用户兴趣向冷启动内容迁移的效果，作为模型迭代的核心依据。
• 项目成果：算法上线后，核心指标显著提升——内容整体CTR回升至16%，新用户7日留存涨至35%（提升67%），新视频首30分钟曝光转化率达11%（提升120%）；大V内容触达率提升41%，但流量占比从62%降至51%，实现了「头部提效+长尾激活」的生态优化。我个人主导了模型设计与全流程落地，输出3篇技术专利（其中1篇已授权），成为公司社交推荐算法的核心框架。

短视频内容生态健康度算法体系搭建项目

• 项目背景：公司短视频业务处于高速增长期（月活从3000万增至8000万），但暴露「内容质量参差不齐」「头部创作者流量垄断」「中腰部创作者流失」等问题——违规内容占比达8%，Top10%创作者占据65%流量，中腰部创作者次月留存不足40%。目标是搭建一套「内容质量评估+创作者成长激励」的算法体系，推动生态从「规模增长」转向「质量与多样性平衡」。
• 关键难题：1）内容质量的多维度量化——需兼顾用户反馈（完播、互动）、长期价值（留存、转发）与合规性（敏感词、不良画面）；2）创作者成长模型的平衡——如何在流量分配中兼顾「创作者贡献」与「生态多样性」；3）线上策略的稳定性——生态类指标变化滞后，AB测试周期长、易受干扰。我选择「层次化多任务学习」解决内容质量评估，「强化学习（RL）+生态指标约束」优化流量分配。
• 核心行动与创新：1）主导开发「内容质量评分模型」，整合12个维度的特征（如完播率、点赞率、评论情感倾向、重复内容检测），用XGBoost与DeepFM融合，将质量分从单维的「互动量」升级为多维的「长期价值分」；2）设计「创作者成长分体系」，包含「内容贡献分」（质量分×曝光）、「粉丝粘性分」（粉丝互动率、留存）、「生态协同分」（与其他创作者的互动频率），作为流量倾斜的核心依据；3）推动优化AB测试框架，增加「生态健康度指标」（如中腰部流量占比、内容多样性指数）的快速评估模块，将测试周期从2周缩短至7天。
• 项目成果：体系上线6个月后，内容违规率从8%降至3.5%，中腰部创作者流量占比从27%升至45%，次月留存提升至62%；生态健康度评分（内部综合指标）从68分涨至94分。该体系成为公司短视频业务的底层生态规则，支撑了后续「创作者扶持计划」的落地，我个人负责模型迭代与策略落地，输出2份生态算法白皮书，被纳入公司技术文档库。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。