1 月 18 日, 阿里妈妈公布了一个重磅的开源项目 -- 图深度学习框架 Euler, 这也是国内首个在核心业务大规模应用后开源的图深度学习框架.
图学习和深度学习都是人工智能的一个分支, 作为阿里巴巴旗下的大数据营销平台, 阿里妈妈创新性地将图学习与深度学习进行结合, 推出了 Euler, 可更大幅度提升营销效率.
Euler 已在阿里妈妈核心业务场景进行了锤炼和验证, 同时, 在金融, 电信, 医疗等涉及到复杂网络分析的场景中也具有非常高的易用性, 例如 Euler 可高效识别金融欺诈团伙.
此次开源, Euler 也内置了大量的算法供用户直接使用, 相关代码已经可在 GitHub 上进行下载 https://github.com/alibaba/euler .
探索图学习, 并将其与深度学习进行结合, 是阿里妈妈探索人工智能技术红利的一大成果.
图学习, 并非是字面意义上容易联想的以图像为目标的学习, 它的另外一个名称是知识图谱学习, 是对事物之间关系的深度研究. 阿里巴巴生态体系内的用户, 商品, 品牌, 店铺等的连接, 天然构成了规模巨大且复杂度极高的异构图.
2016, 在图学习还没有引起学术界和工业界热切关注的时候, 阿里妈妈已经基于需求开始探索图学习, 目前已经走在行业前沿. 更为创新的是, 它将图学习和深度学习进行结合, 借助图学习, 解决深度学习无法处理的关系推理, 可解释性等一系列问题. 因此, Euler 可以更加精准的刻画连接关系, 大幅提升营销精准度和营销效率.
Euler 目前已经广泛使用在阿里妈妈搜索广告排序, 匹配, 营销工具和反作弊等场景, 大幅提高了广告平台营销效率, 并为广告主在消费者运营及商品运营上创造了超过百亿的价值.
以阿里妈妈搜索广告的匹配场景为例, 基于 Euler 的深度匹配技术, 通过在复杂图关系上的推理和学习, 可以从多个角度更全面和准确的理解用户意图和广告主的营销诉求, 从而提升了广告匹配的精准度, 大幅改善了平台的营销效率; 此外, 在阿里妈妈的营销工具场景中, 通过基于 Euler 平台的图算法, 将广告更精准地推荐给相关人群, 也有效提升了广告主的投放效率和效果.
同时, 它也在帮助阿里巴巴集团内其他的一些业务场景进行图应用的探索与落地, 预计会在更多场景下产生价值.
填补行业空白
对于整个行业而言, 图深度学习还处于起步阶段, 此前, 在国内外技术行业中, 图深度学习都没有出现成熟的解决方案, 更别提能够支持超大规模的框架了. 而此次开源, 意味着由图深度学习带来的高速提效也将由阿里妈妈, 阿里巴巴延展至更广的领域.
据阿里妈妈介绍, 可以用一句话来概括 Euler 的定位 --"处理 Graph Embedding 就用 Euler", 开源对象主要有两类用户:
一类是拥有海量复杂工业级图数据的用户, 其中包含互联网方向的推荐场景, 广告场景, 搜索场景, 社交场景, 以及金融, 电信, 医疗等行业涉及到复杂网络分析的场景, 他们用 Euler 可以快速训练, 并拿到理想的业务效果;
另一类则是高校或者企业里的实验室用户: 他们利用 Euler 灵活的图操作算子, 可以快速进行算法创新与定制.
尤其对于前一种工业级用户而言, 此前应用图神经网络所面临的三大挑战也将得到极大的改善: 1, 图规模非常大, 可以到数十亿节点和数百亿边, 需要分布式存储和训练 ;2, 图的关系复杂, 往往是复杂的异构节点和异构边, 还包含丰富属性; 3, 如何实现图深度学习和现有的深度学习任务有效的结合.
以推荐场景为例, 基于 Euler 对用户和商品关系图进行建模, 可以快速构建智能人货匹配技术, 使得推荐更加高效精准; 在金融反欺诈领域, 基于 Euler 对金融交易行为图谱进行建模, 可以更加高效的判别金融欺诈交易以及金融欺诈团伙的存在.
总的来说, Euler 的出现将大大填补工业级图深度学习的市场空白. 一方面, Euler 的开源有助于对图神经网络的深入应用, 有希望形成下一波技术红利; 另一方面, 也将汇集更多优秀技术力量促进图学习的发展, 为阿里妈妈的客户带来更高的营销效率.
原 文: http://tech2ipo.com/10038863
来源: https://sdk.cn/news/9394