2018腾讯社交广告犀牛鸟专项研究计划_研究命题.PDFVIP

2018 腾讯社交广告犀牛鸟专项研究计划 研究命题 技术领域 命题 命题一：文章内容分析及广告匹配模型设计与优化 自然语言处理 命题二：文章中的评价对象识别及情感倾向性分析研究 命题三：广告素材图片自动生成技术研究 图像及视频分析 命题四：视频植入广告分割广告位算法研究 聚类算法的应用 命题五：面向广告营销洞察的多准则聚类算法研究 命题六：强化学习在广告智能出价中的应用 强化学习的应用 命题七：基于强化学习的合约广告播放控制研究 1 2018 腾讯社交广告犀牛鸟专项研究计划 命题一：文章内容分析及广告匹配模型设计与优化 更精准的广告推荐始终是互联网广告系统的优化目标。通常情况下，一次广告播放包括 广告、用户、上下文场景三个要素。 互联网上有海量的文章内容，在文章页面的广告推荐中，考虑上下文场景（即文章内容） 非常重要，因为文章内容很大程度上指示了潜在的消费需求，可以影响广告推荐的最终效果。 比如，汽车评测类的文章，往往指示了垂直类的购车需求，如果广告推荐系统能够充分挖掘 这些上下文场景的商业价值，并将这些信息应用在广告排序中，则有望提高广告推荐的精准 度从而提升广告效果，同时也有助于改善用户、流量主和广告主的体验。 广告上下文场景分析可以分解为两个阶段。给定一篇文章后，首先，要判断其商业价值 的强弱；其次 ，对于具有商业价值的文章，还要判断适合投放的广告行业。广告匹配方式一 般有两种：一是直接匹配，例如：汽车评测文章和汽车广告直接匹配；二是间接匹配，例如： 笑话消遣文章对休闲娱乐类 APP 的消费意图指示。 技术目标 1. 设计并实现文章内容分析模型：给定文章内容，判断有无商业价值，要求 PRF 均在 90% 以上； 2. 设计并实现上下文-广告匹配模型：给定上下文场景，确定合适的匹配广告（商品）， PRF 均在 90%以上； 3. 优化模型效率，保证海量拉取、播放情况下的实时性达到线上业务要求 ，要求 PRF 均 在 90%以上； 4. 鼓励并支持发表 NLP、推荐算法等领域的高水平研究论文。 2 2018 腾讯社交广告犀牛鸟专项研究计划 实验资源 - 可赴腾讯使用互联网文章数据、腾讯社交广告相关数据 - 可赴腾讯使用 GPU 服务器等相关机器资源 3 2018 腾讯社交广告犀牛鸟专项研究计划 命题二：文章中的评价对象识别及情感倾向性分析研究 基于文章内容投放相关广告可以提升体验，但也存在一个风险：负向情感倾向。比如 ： 某品牌手机的评测文章下，通常可以推送该品牌的手机广告，但如果这篇文章是在批评该品 牌 ，则会严重影响广告主的体验。 目前大部分广告系统的设计更多关注 “适合出什么” ，对 “不适合出什么 ” 并没 有充分考量。本命题主要希望研究，在给定文章中涉及哪些评价对象（广告商品），作者对 这些评价对象的情感是什么（倾向性分析）。 该命题在广告场景下的具体问题包括 ： - 一篇文章中可能存在多个评价对象，例如：一篇手机主题的评测文章可以谈论 A 品牌， 也可以涉及 B 品牌，C 品牌，甚至讨论当前的手机市场。 - 整篇文章的倾向性与特定评价对象的倾向性未必一致，例如：文章大部分是赞扬国产手 机，但批评了某品牌，全文的倾向性是正向，但对该品牌是负向。 - 同一个评价对象也可以细分，例如：