保存成功
保存失败,请重试
提交成功

深度学习在美团搜索广告排序的应用实践

作者/分享人:美团技术团队
薛欢,2016年3月加入美团,主要从事搜索广告排序模型相关的工作。 姚强,2016年4月加入美团,主要从事搜索广告召回、机制与排序等相关算法研究应用工作。 玉林,2015年5月加入美团,主要从事搜索广告排序相关的工程优化工作。 王新,2017年4月加入美团,主要从事GPU集群管理与深度学习工程优化的工作。

在计算广告场景中,需要平衡和优化三个参与方——用户、广告主、平台的关键指标,而预估点击率 CTR(Click-through Rate)和转化率 CVR(Conversion Rate)是其中非常重要的一环,准确地预估 CTR 和 CVR 对于提高流量变现效率,提升广告主 ROI(Return on Investment),保证用户体验等都有重要的指导作用。

传统的 CTR/CVR 预估,典型的机器学习方法包括人工特征工程 + LR(Logistic Regression)、GBDT(Gradient Boosting Decision Tree) + LR、FM(Factorization Machine)和 FFM(Field-aware Factorization Machine)等模型。相比于传统机器学习方法,深度学习模型近几年在多领域多任务(图像识别、物体检测、翻译系统等)的突出表现,印证了神经网络的强大表达能力,以及端到端模型有效的特征构造能力。同时各种开源深度学习框架层出不穷,美团集团数据平台中心也迅速地搭建了 GPU 计算平台,提供 GPU 集群,支持 TensorFlow、MXNet、Caffe 等框架,提供数据预处理、模型训练、离线预测、模型部署等功能,为集团各部门的策略算法迭代提供了强有力的支持。

美团海量的用户与商家数据,广告复杂的场景下众多的影响因素,为深度学习方法的应用落地提供了丰富的场景。本场 Chat 将结合广告特殊的业务场景,介绍美团搜索广告场景下深度学习的应用和探索。主要包括以下两大部分:

  • CTR/CVR 预估由机器学习向深度学习迁移的模型探索;
  • CTR/CVR 预估基于深度学习模型的线下训练/线上预估的工程优化。
已有404人预订
预订达标
文章出炉
交流日期
     
18.07.03
18.07.03
18.07.09 20:30
你可能还喜欢
史上最全 Redis 面试题及答案,搞懂这套题征服面试官
ilomilo
面试官,不要再问我三次握手和四次挥手
猿人谷
数据结构算法常见的 100 道面试题全解析:2019 版
攻城狮
怎样的一份“副业”,能让你不依赖“死工资”?
一尘
如何依靠副业赚钱,应对人到中年的职场危机
代码GG陆晓明
Zookeeper 详解与实践,你面试工作都绕不开的必考题!
latent
慢 SQL 调优的血泪总结
ilomilo
详解 Google Protocol Buffer 协议
拾贝壳的人
让架构师和研发团队争论了 10 分钟的简单事务问题
zaqweb
线程池原理及优化
ilomilo
深度学习必备之高等数学知识加油站
奔跑的小米
Java 数据结构和算法
ilomilo
职场必知必会:PPT 制作六步心法分享
大黄蜂
由头条面试时的两道算法题引起的思考
杨老师
Elasticsearch 性能优化指南
桃花惜春风
微信扫描登录
关注提示×
扫码关注公众号,获得 Chat 最新进展通知!
入群与作者交流×
扫码后回复关键字 入群
Chat·作者交流群
入群码
该二维码永久有效