张俊林，中国中文信息学会理事，目前在新浪微博AI Lab担任资深算法专家。在此之前，张俊林曾经在阿里巴巴任资深技术专家，以及在百度和用友担任技术经理及技术总监等职务。他的研发兴趣集中在：深度学习、搜索技术、推荐系统、自然语言处理等方面，并在以上领域有多年学术界研究经历及工业界实践经验。同时他是技术书籍《这就是搜索引擎：核心技术详解》（该书荣获全国第十二届输出版优秀图书奖）、《大数据日知录：架构与算法》的作者。
他本科毕业于天津大学管理学院，之后在中科院软件所直接攻读博士学位，研究方向是信息检索理论与自然语言处理，就学期间曾在ACL、COLING、IJCNLP等国际顶级会议发表多篇学术论文。另外，他在此期间领导设计的搜索系统曾在美国国防部DARPA主持的TREC高精度检索系统评测中取得综合排名第一名的优异成绩。
深度学习已经在图像／视频／自然语言等应用领域取得了飞速的进展，相对其它应用领域，推荐系统有其自身特点，比如数据稀疏／特征数量巨大／特征稀疏／存在大量离散特征等独有的特性。如何结合深度学习技术目前也是各种实际推荐应用关注的内容。本演讲分为两个方面：一方面对目前在推荐系统领域采用深度学习的技术方案进行梳理介绍，将目前的常见深度学习推荐技术划分为：基于表示学习的模型和基于特征组合的模型两大类，并对比各种模型各自优缺点及合适的应用场景；另外一方面，对于深度学习技术如何应用在微博场景也做了经验分享。
我们会简要介绍以矩阵分解为代表的传统推荐模型，并重点介绍如下几方面内容：
1.目前工业界推荐系统的整体架构及对应的深度学习技术应用在推荐系统哪些地方；
2.基于表示学习的深度学习推荐模型，包括抽象框架及具备代表性的具体模型与系统；
3.基于特征组合的深度学习推荐模型，包括抽象框架及具备代表性的具体模型与系统；
4.深度学习推荐在微博的应用实践。
地点：百宴厅3
