音乐个性化推荐系统

主导某在线音乐与视频内容平台推荐系统升级，覆盖每日推荐、私人 FM、视频信息流等核心场景。核心思路是协同过滤与深度学习的融合：召回侧构建 ItemCF/Swing 行为共现与深度双塔（音频/封面特征）并行的多路召回，排序侧将协同过滤共现分与置信度作为特征注入精排模型，并以点击/完播/时长三目标建模，配合曲风打散与新歌冷启流量调控。负责总体架构与排序算法设计，带领 5 人团队完成灰度至全量上线。上线后核心场景点击率由 4.93% 提升至 5.41%（相对 +9.7%），完播率提升 3.3pp 至 41.2%，人均播放时长增加 10.4%，接口 P99 时延由 118ms 降至 76ms。