夏粉-广告数据上的大规模机器学习.pdf

@夏粉_百度 目录 背景 问题 技术 小结 计算广告学 计算广告学与CTR预估  计算广告学的核心问题:  给定的环境下，用户与广告的最佳匹配 百度推广  流量变现: profit PV *CTR *ACP  方法: 依赖机器学习和历史数据，做精准CTR预估 CTR预估问题 广告库 D {ad ,ad ,,ad } 1 2 l 广告的预估CTR Pctr _ ad (i) 1 Pctr _ ad (i) 广告请求 2 CTR 预估系统 (i)  q Pctr _ ad (i) n i 点击率预估-机器学习模型 数据处理流程 特征 特征预处理 日志 模型训练 模型 评估 数据 数据预处理 大规模机器学习问题 大规模机器学习问题 数据特征规模大 •每天百亿广告展现，十亿特征 •类别不平衡、噪音大 特征复杂度高 •特征之间存在高度非线性关系 数据时效性高 • 点击率随时间变动， e.g., 兴趣变化 • 新广告和流量上线，旧广告和流量下线 数据训练频繁 • 模型更新 • 策略调研 大规模机器学习技术 数据处理技术 目标 机器学习技术点 • 获取主要信息 • 选择对点击概率分布 • 去除异常噪音 预估足够多样本  解决方法：  不可见和不完整样本过滤  样本采样  异常样本检测 数据采样:  Google:  采样：  矫正：  原理： 采样后的期望损失等于原损失 噪音检测  计算点击率随时间变化趋势 –百度首创：SA算法