實例分析深度學習在廣告搜索中的應用
深度學習在搜狗無線搜索廣告中的應用2016-07-22 15:17
本文來自搜狗資深研究員舒鵬在攜程技術(shù)中心主辦的深度學習Meetup中的主題演講，介紹了深度學習在搜狗無線搜索廣告中的應用及成果。重點講解了如何實現(xiàn)基于多模型融合的CTR預估，以及模型效果如何評估。
搜索引擎廣告是用戶獲取網(wǎng)絡信息的渠道之一，同時也是互聯(lián)網(wǎng)收入的來源之一，通過傳統(tǒng)的淺層模型對搜索廣告進行預估排序已不能滿足市場需求。近年來，深度學習在很多領域得到廣泛應用并已取得較好的成果，本次演講就是分享深度學習如何有效的運用在搜狗無線搜索廣告中。
本次分享主要介紹深度學習在搜狗無線搜索廣告中有哪些應用場景，以及分享了我們的一些成果，重點講解了如何實現(xiàn)基于多模型融合的CTR預估，以及模型效果如何評估，最后和大家探討DL、CTR預估的特點及未來的一些方向。
深度學習在搜索廣告中有哪些應用場景
比較典型的深度學習應用場景包括語音識別、人臉識別、博奕等，也可以應用于搜索廣告中。首先介紹下搜索廣告的基本架構(gòu)，如下圖：
首先用戶查詢。查詢詞給Bidding Server處理，Bidding Server主要負責業(yè)務邏輯。例如某種廣告在什么情況下不能展現(xiàn)，或這個客戶同一個廣告在什么時間段什么地域展現(xiàn)。Bidding Server請求Retriever Server，Retriever Server主要負責召回，廣告庫很龐大（搜狗的廣告庫大概在幾十億這個規(guī)模），因為數(shù)據(jù)量非常大，所以需要根據(jù)一些算法從中找出和當前查詢詞最相關(guān)的一批廣告，這就是Retriever Server做的事情。Retriever Server處理完后，會把這些比較好的廣告回傳給Quality Server，Quality Server主要負責點擊率預估和排序，此時的候選集數(shù)量相對較少，Quality Server會采用復雜的算法針對每條廣告預估它當前場景的點擊率，并據(jù)此排序。Quality Server將排序結(jié)果的top回傳給Retriever Server。Retriever Server回傳給Bidding Server。Bidding Server做封裝最后展示給用戶。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%