百度凤巢：DNN在凤巢CTR预估中的应用.pdfVIP

下载本文档

206
0
约1.01万字
约 24页
2019-04-24 发布于广东
举报
版权申诉

百度凤巢：DNN在凤巢CTR预估中的应用.pdf

1、本文档共24页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

DNN在凤巢CTR预估中应用 2014/02 陈雨强@ECOM 离散LR模型遇到瓶颈 •凤巢CTR预估模型为离散值LR –规模大，刻画细致近年特征工程带来的收益 –靠特征提升模型 (归一化到CPM1 %) 14 12 –提升逐年渐难 10 8 6 4 2 0 •业界普遍有两条路 2011 2012 2013 –大规模特征+线性模型（Google, Baidu ） –中小规模特征+非线性模型（Yahoo, Bing, FB, Taobao ）模型：深度学习--结构决定一切 Lee, Grosse, Ranganath, Ng. ICML 09. Layer3: object Output Layer3 Layer2: shape Layer2 Layer1 Layer1: edge Input 人类视觉 Deep Learning Input： image Deep Learning 输入、中间结果 DNN for CTR难点：特征 2 • 大数据 → 大数据 –大规模ins× 大规模特征→ 大规模ins× 小规模特征 –学术界鲜有合适算法 –也并未采用Google 的技术方案 •使用历史统计特征 •训练数据用单一位置模型替换之痛 •实验出现了线上线下不一致 –修改训练时间窗 •线下AUC持平 •线上CTR上涨0.5% –修改模型复杂度 •线下AUC 显著上涨1个百分点 •线上CTR 下跌1% –在之前优化LR 特征的过程中从未出现过数据分布：一致？不一致？ • 一个看似一致的不一致 –线下使用线上展现点击的日志 –只能评估展现