统筹教育垂类搜索算法全链路优化，主导多模态搜索系统升级，带领5人团队解决长尾查询召回不足、意图理解偏差及跨场景迁移难题，支撑日均800万+教育类搜索请求的精准匹配与转化提升。

• 主导设计「知识图谱增强的多阶段召回架构」，结合课程标题、知识点标签、教师资质等12类结构化数据构建教育领域知识图谱，通过GraphSAGE模型挖掘实体关联关系，将召回覆盖率从78%提升至91%；同步优化倒排索引与向量检索的融合策略，引入FAISS+ANNS混合检索引擎，使P99响应时长从280ms压缩至150ms。
• 牵头解决「低频长尾查询意图偏移」问题，基于BERT微调构建教育垂类Query理解模型，创新性融合用户历史行为序列（LSTM时序特征）与课程元数据（TF-IDF语义特征），设计多任务学习框架同时预测查询类型（知识点/师资/题库）与细粒度意图（如「初中数学函数单调性教案」拆解为「学段-学科-知识点-资源类型」四维标签），将长尾查询点击率（CTR）从3.2%提升至6.8%。
• 推动搜索与推荐系统的跨域协同，基于图神经网络（GNN）建模用户搜索行为与课程消费的关联关系，设计「搜索-转化」联合损失函数，在保证搜索准确性的前提下，将搜索场景导流至推荐页的转化率提升42%，月均新增转化用户超5万。
• 搭建搜索算法A/B测试体系，覆盖召回策略、排序模型、UI展示等20+实验维度，制定基于业务目标的动态评估指标（如「有效探索率」= 新内容曝光点击数/总曝光数），推动团队实验迭代效率提升3倍，近半年落地12项核心优化策略均通过生产环境验证。

负责K12教育课程搜索系统的深度优化，聚焦排序模型精度提升与用户个性化需求满足，主导从传统机器学习向深度学习模型的迭代，支撑平台搜索场景GMV年增长25%。

• 核心优化搜索排序模型，基于DeepFM升级为DIEN（深度兴趣进化网络），融合用户短期点击序列（GRU捕捉兴趣漂移）与长期画像（年龄/年级/历史成绩），引入课程难度系数作为辅助特征，将排序AUC从0.82提升至0.87，对应GMV贡献占比从搜索渠道的35%提升至42%。
• 解决「新课程冷启动」难题，设计基于元学习的课程嵌入初始化策略，利用已有的高热课程特征预训练Embedding生成器，新上架课程首周曝光点击率从1.8%提升至3.5%；同步优化冷启动阶段的流量分配机制，结合课程质量分（完播率/收藏率）与用户兴趣匹配度，使新课程7日留存率提高28%。
• 重构搜索日志分析体系，基于Spark构建实时特征工程平台，开发「查询-课程」相关性评估工具（结合人工标注与预训练模型预测），将特征迭代周期从周级缩短至天级；主导挖掘「家长-学生双角色搜索差异」，针对家长群体强化「提分效果」「师资资质」等特征权重，使其搜索满意度评分（NPS）提升19%。
• 推动搜索与内容运营的协同优化，通过LDA主题模型识别用户高频搜索词簇（如「中考冲刺」「编程启蒙」），输出运营建议清单，指导课程标题/简介优化，使相关词簇的搜索结果相关性评分（MAP@10）从0.68提升至0.79，运营干预课程的搜索流量平均增长55%。

参与职业资格考试培训课程搜索系统的基础建设，负责召回策略优化与Query理解模块开发，解决早期搜索结果杂乱、无效查询占比高的问题，支撑平台搜索流量从日均50万增长至200万。

• 主导搭建「多源异构数据融合的召回系统」，整合课程标题、讲师介绍、学员评价等非结构化文本（通过jieba分词+TF-IDF加权）与课程分类、价格、课时等结构化数据（通过BM25加权），设计动态权重调节策略（根据查询词类型自动调整文本/结构化特征权重），使召回结果的准确率（Precision@10）从0.51提升至0.67。
• 开发「Query纠错与扩展」功能，基于编辑距离算法识别拼写错误（如「一建」误输为「一建」），结合教育垂类词典（含20万+专业术语）实现自动纠错；引入Word2Vec训练课程关键词向量，对短查询（≤3词）进行同义词扩展（如「消防工程师」扩展至「注册消防工程师」），使无效查询占比从18%降至7%。
• 优化排序模型的特征工程，从用户行为日志中提取「搜索深度」（点击课程数/总曝光数）、「停留时长」等20+行为特征，结合课程的「通过率」「学员评分」等业务指标，使用XGBoost构建排序模型，将搜索结果的前3位点击占比从45%提升至58%。
• 搭建搜索效果评估体系，定义「搜索有效性」核心指标（如「首条结果相关性」「翻页率」），设计离线评估流程（基于历史日志的人工标注验证集）与在线监控看板（实时跟踪AUC、NDCG等指标），推动团队迭代效率提升40%，关键指标波动预警响应时间从4小时缩短至30分钟。

短视频跨场景用户意图融合推荐系统

• 星影互动作为头部短视频平台，面临用户跨首页推荐、详情页关联、关注页补全三大场景行为割裂问题——用户在首页的探索式点击与详情页的沉浸式消费语义冲突，关注页补全内容无法承接实时兴趣，导致全场景CTR季度环比下滑8%，7日留存率降至35%。我的核心目标是构建跨场景意图融合系统，打通行为链路，主导算法设计与工程落地全流程，提升推荐一致性与业务效果。
• 项目核心难点有三：一是跨场景特征对齐——首页“探索”与详情页“消费”的行为语义差异大，传统特征拼接会导致隐空间混乱；二是实时兴趣捕捉滞后——用户行为秒级变化，离线T+1模型无法响应；三是多目标权衡——需平衡点击、停留、转化，单目标模型易出现“高点击低转化”。针对特征对齐，我采用基于对比学习的多模态Transformer双塔结构，将不同场景行为序列编码为统一意图向量，通过对比损失拉近同意图跨场景样本距离；实时层面，用Flink搭建秒级行为流 pipeline，结合Redis做在线特征缓存，将延迟从小时级压至秒级，并设计“高价值行为加权”策略（完播、分享权重提升40%）；多目标方面，将MMOE与帕累托优化结合，动态调整目标权重（首页侧重点击、详情页侧重转化）。
• 除技术攻坚外，我推动跨部门特征共建，联合数据工程梳理12类跨场景通用特征并建立统一仓库；针对模型漂移问题，设计实时监控系统——当AUC下降超5%时自动触发重训；创新性将“用户场景切换路径”纳入特征，比如首页→详情页的行为序列编码为“转移意图”，进一步提升精准性。
• 项目上线后，全场景CTR提升18%（详情页关联推荐涨25%、关注页补全涨15%），7日留存率回升至39%（增长4pct），日均转化GMV增加250万元（占总增量18%）。我主导从需求到上线的全流程，推动产品上线“跨场景推荐开关”，用户满意度调研得分升12分；沉淀《跨场景推荐系统设计手册》，成为公司后续同类项目标准文档。

直播观众转化预测与实时干预系统

• 云播电商作为垂类直播平台，日均1000万观众中仅3%转化，运营依赖人工经验触达，效率低且成本高。我的目标是构建转化预测与干预系统，精准识别高潜力用户，支持个性化触达，提升转化效率并降本。当时担任高级算法工程师，负责模型设计与落地。
• 核心难点：一是直播实时性——观众行为秒级变化，离线模型无法捕捉转化意图；二是新观众冷启动——20%新用户无历史数据，传统模型无法预测；三是干预有效性——触达易引起反感导致流失。针对实时性，采用时序GNN建模观众与主播、其他观众的互动关系，编码直播间实时互动数据（如主播节奏、观众互动频率）为“实时转化特征”，实现秒级概率更新；冷启动方面，基于迁移学习从相似直播间（同品类、同风格）迁移用户特征；干预策略引入强化学习（DQN），以“转化概率提升”和“流失率降低”为奖励函数，自动优化触达时机与方式。
• 我搭建实时数据 pipeline：Kafka传直播流→Flink实时处理→Redis存在线特征，实现秒级延迟；针对干预A/B测试，设计多维度实验框架（时机、方式、内容三变量），快速定位最优策略；推动模型可解释性优化——通过SHAP值向运营展示“评论‘好用’的观众转化概率升40%”，辅助制定精准话术。
• 项目上线后，转化预测准确率从65%升至87%，精准干预转化率较人工触达升30%；运营成本降40%，直播整体转化率从3%提至4.2%，年新增GMV约1.2亿元。我解决了冷启动与实时性核心问题，推动模型嵌入运营系统，形成《直播转化干预SOP》；分享时序GNN经验，提升团队实时图模型能力。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。