MOBIUS：面向百度赞助搜索的下一代查询广告匹配
发布于 2021-02-04 13:18:16
- Motivation
传统的广告推荐中往往会将触发和排序分开做，但由于各自的目标不一样，会导致广告推荐出现PXTR值很高，但是相关性很低的bad case。本文提出基于Active Learning的数据增强算法MOBIUS来解决这个问题。
- Contribution
本文作者在传统的CTR模型上，增加数据增强部分，提升广告推荐中的相关性，从而提升CPM。
传统的2层结构来计算广告（如下图）。
触发；
排序；
- 传统方法有个明显的问题，相关性低而PXTR高的结果，会被排出来，这样会导致CPM比较低。如下图为论文给出的bad case。
- 本文提出基于Active Learning的数据增强算法，对log进行全局采样，然后将相关性低于阈值且PXTR高的样本，作为bad case的增强样本，放入训练中学习，从而降低这种bad case。
- 本文还包含ANN Search模块，业界常用的比如Annoy、Faiss；
实验
- 实验结果
离线AUC降低了，但是相关性提升，人工评测效果提升，线上CPM收益明显。
1 条评论
111