Adobe前沿论文进展 2018.11.05 方建勇1

【Adobe前沿论文进展 2018.11.05 方建勇1】 这篇论文进展涉及了多个领域的研究，主要包括用户行为预测、A/B测试有效性、个性化照片推荐以及快速的端到端图像处理。 1. **预测用户预期操作的混合深度学习方法** 作者: 谭飞, 志伟, 六月河, 吴先生, 庞波, 刘浩然, 严振宇 论文提出了预测用户预期行为的新型混合深度学习模型，特别关注预判用户流失（自然减员）。传统预测模型存在缺陷，新模型结合了多路径学习的用户活动日志、动态和静态用户配置文件，利用衰变的多快照技术处理历史用户记录，并引导用户进入后续学习过程，从而更准确地预测用户行为。在Adobe Creative Cloud的数据集上进行实验，证明了新模型的优越性能，有助于业务的稳定增长。 2. **多维空间等效测试及其在A/B测试中的应用** 作者: 赵静, 袁红元, 严振宇 论文提出了一种统计测试框架，用于检查多维空间中的随机样本分割是否有效，特别是在A/B测试中，确保在线流量的分割在共变量方面是真正的随机。他们开发了随机卡方测试和倾向评分与距离组件（DISCO）测试方法，可以应用于连续数据，且提供了一种重采样程序来调整多样性，提高检测效力。这种方法在Adobe Experience Cloud上的应用展示了其优势，为在线实验的质量控制提供支持。 3. **个性化照片推荐的美学特征** 作者: 周玉青, 吴加, 斯科特·桑纳, 普特拉·曼加拉 论文探讨了在Flickr、500px等摄影网站上，如何利用色彩空间和深度卷积转移嵌入的审美特征进行个性化照片推荐。提出的特征提取方法在500px数据集上经过评估，显著提高了推荐性能，满足了用户寻找具有特定美学品质照片的需求。 4. **快速端到端可引导式滤波器** 作者: 吴惠凯, 郑帅, 张俊格, 黄开奇 论文介绍了一种深度学习模块，即引导过滤层，用于高效生成高分辨率图像。这个层由一个可微的引导滤波器构成，它可以视为一系列空间变化的线性变换矩阵。引导过滤层能够与卷积神经网络（CNN）集成，并通过端到端训练进行优化，生成特定任务的指导映射，提高了图像处理的速度和质量。 这些论文反映了Adobe在用户行为分析、实验设计、个性化推荐以及图像处理技术方面的研究进展，对于理解用户行为、提升产品体验和优化在线服务具有重要意义。