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。

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。