10月20日，在主题为“推荐引擎算法与技术”的第31期百度技术沙龙上，百度推荐与个性化部高级研究员赵岷发表了“百度推荐系统算法与策略”的主题演讲，与现场200多名技术工程师分享了百度领先的个性化推荐技术。

    伴随着互联网的迅猛发展，信息“海洋化”趋势明显，面对海量信息，用户寻找信息的时间成本、精力成本都在成倍提升。百度发现，搜索可以满足用户主动表达的需求，但对于用户的潜在需求，则需要研发个性化推荐系统来满足。赵岷认为，用户获取信息效率已在不断提升。2001年，是海量中文搜索，2009年，是框计算“即搜即得”；而在未来，将是推荐引擎的“不搜即得”。

    “目前，百度已经在推荐引擎上进行了大量投入，进行着推荐核心引擎构建、推荐核心算法开发、推荐核心数据积累三大工作，其目的是为了打造一个跨平台、智能化的推荐引擎，它将具有多语言、多媒体全产品形态，并可感知用户需求、实现精准满足。” 赵岷介绍道，“同时我们将以通用算法、归一化数据打造通用平台，带动中国互联网整体发展。”

    在技术沙龙现场，赵岷向在场人士分享了百度推荐引擎的三大技术优势：可靠的中文语义分析技术；人工智能和机器学习算法以及海量数据并行分析计算技术。凭借这三大优势，百度站在了业界的前沿。

    2012年9月中旬，百度以论文作者身份远赴爱尔兰都柏林参加推荐系统领域的顶级国际会议——ACMRecSys2012。在会上，百度发表的论文《Enlister:Baidu's Recommender System For The Biggest Chinese Q&A Website》（中国最大问答平台上的百度推荐系统服务）引起了国内外同行的高度关注。

    如今，推荐引擎已在百度众多产品中运用，如百度音乐随心听、百度知道、百度新首页。以百度知道为例，推荐引擎服务过亿用户，可实时智能了解用户兴趣，用户活跃度提升了50%以上。

    在看似简单的结果背后，是百度推荐与个性化部工程师们付出的卓绝努力。“我们需要对海量用户数据做甄别，并进行多维度的兴趣、状态分析，为每一个用户建立模型。我们创新性的将推荐中的排序任务通过机器学习算法来解决，从而使这个业界公认的难题有了统一的解决框架。同时，利用流式计算框架，百度将一个问题从提出到准确推荐的时间从一天缩短为数秒，极大地提升了用户体验。”

    事实证明，百度采用的通用用户模型、机器学习排序和流式计算在实践中取得了令人满意的效果。据透露，百度推荐引擎还在向社交网络推荐、地理位置推荐等方面不断深入。百度认为，推荐引擎将在未来的互联网与移动互联网发挥重大作用，提供个性化的上网入口、智能化的搜索结果和更精准的应用推荐，实现“一人一世界”的智能化未来。

    另据了解，百度技术沙龙是百度每月组织的一项技术开放交流活动。秉承“畅想、交流、争鸣、聚会”的理念，活动致力于以“技术开放”的心态，分享行业领先的技术理念和技术实践，为互联网工程师、软件开发者提供一个快速学习和不断成长的平台。