王益-精准定向的广告系统.pdfVIP

精准定向的告系统 告的经验看如何把推荐做成一产业 王益 yiwang@ 问题：把推荐做成一产业 •  《推荐系统实》说了事情 ： –  各种源自特定目标 （Netflix）和术研究的推荐方法 ； –  如何用这些方法实现 “一推荐系统”。 •  明白这件事 ，则 –  可以成就一些推荐系统 ，一些推荐专家 ， –  不能成就一像告那样起Google和百度这样的推荐产业 。 •  如何成就一推荐产业 ： –  深刻了解问题：实证主义工作升华到理论体系。 –  重视工程实现 ：可以应付各种推荐需求 ，可以插拔各种推荐方法 ，可 扩展的离线计算 ，高并发的在线服务 。 •  业界现 –  始出现做“推荐产业”的公司 ， –  借鉴告技术和业务经验 。 推荐和告的比较 推荐 广告 目标 从多个项目中选择一个给用户 从多个广告中选一个给用户 输入 用户历史行为中总结的“兴 上下文广告和个性化广告 趣”和当前关注点 问题 让用户满意 优化用户、广告主、广告系统 （和媒体）的满意度的纳什均衡 优化目标 用户满意=准确度+多样性 Aucon model （GSP ） 不确定性 预测用户打分 “喜欢”的概率 = 点击率 数据稀疏性 Collaborave filtering 从实证主意CTR预估演进为基于模 Latent factor analysis 型的CTR预估 Heat propagaon 冷启动问题 用内容补充用户信息缺乏 Exploraiton and exploitaon 理论 产业成熟度 各个公司的推荐团队 著名大公司，成熟的商业模式 情境告系统介绍 •  情境告 •  总体技术思路 •  相性 •  排序 •  系统构架 •  在线实验 精准告投放 •  Query = 用户 + 环境 –  Google AdSense, for mobile and Gmail –  性化告 ：百度搜客 •  难 ： –  在长尾流量上为长尾用户出长尾告。 –  满足多方利益 ：告主、媒体、用户和引擎。 •  技术思路 ： –  相性 + 排序 –  完全预先计算 •  和搜索告的 –  流量大几量级 –  Query的商业价值不直接 告相性 •  倒排表 –  键词 –  分结果 –  隐含语义 •  倒排表的频繁更新 –  Read-Copy Update (RCU) –  增量更新机制 •  信息获取算法 –  标准布模型 –  向量空间模型 –  概率模型 语义匹配 •  Query和告都是短文本 –  信息量不足 ，所以歧义