货拉拉论文入选国际大数据行业顶级大会KDD
近日，国际数据挖掘与知识发现大会（以下简称“KDD”）入选论文正式揭晓。今年会议吸引了全球范围内705篇论文投递，仅收录了138篇论文，收录率不足20%。货拉拉论文《Improving the Information Disclosure in Mobility-on-Demand Systems》（《一种MoD系统中信息披露的优化方法》）从705篇论文中脱颖而出成功入选。
KDD由 ACM（Association of Computing Machinery，国际计算机学会）的数据挖掘及知识发现专委会（SIGKDD）主办，是世界数据挖掘领域最顶级的学术会议，大会每年都会吸引大量的参与者。KDD 大会以论文接收严格闻名，每年的接收率不超过20%，且论文具有较强的应用价值，因此颇受行业关注。货拉拉论文通过数据建模解决互联网物流智能分单问题，从而提高互联网物流平台效率，实现车货精准匹配、优化各项业务指标。
当下货拉拉货运采用的订单分配方式为全局广播，即在指定时间/距离等范围内，将所有订单推送给所有司机，司机通过浏览订单列表的方式，做抉择，选取符合预期的订单进行响应。这种模式下，司机对某一类订单的偏好比较一致，例如高价格订单响应的司机比较多，而订单最终只能由一位司机来履约，势必产生很多的无效司机选择，导致平台整体效率降低。有别于电商平台传统的推荐系统和出行领域传统的派单模式，这类带资源约束的问题，没有成熟有效的解决方案。
《一种MoD系统中信息披露的优化方法》论文提出了一种优化信息披露方式的框架，通过建模和求解，通过算法选取最合适的司机进行履约，实现平台效率、用户体验和司机体验的整体提升。
这项研究不仅适用于货拉拉这种互联网物流平台，同样也可应用于带资源约束的推荐系统。货拉拉CTO张浩在接受媒体采访时曾表示，物流的关键壁垒在于效率，货拉拉一直坚信"科技改变物流”，相信技术的力量能给物流行业带来革命性的效率提升。
技术人才是科技创新的重要引擎，近年来货拉拉不断引进高质量的研发人才。如货拉拉现任CTO张浩，曾在美国Uber、MicrosoftBing等公司从事机器学习与大数据工作，回国后曾任滴滴研究院高级总监、饿了么技术副总裁；货拉拉智能运营部负责人傅周宇曾在澳洲西悉尼大学、微软亚洲研究院从事机器学习教学与研发工作；货拉拉技术总监石立臣为“2020年吴文俊人工智能自然科学奖”一等奖获得者。