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
向 Ta 提问
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351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
高并发、低 RT 的风控系统架构及技术架构的实现
火币集团研发中心
程序员副业赚钱的 8 种模式
安晓辉
全栈开发入门实战:后台管理系统
鲁鹏
每一个开发人员都应该懂的 UML 规范
码匠笔记
不写代码:程序员最重要的技能 [英文版]
Chat 三人行
“花式吊打”系列之逻辑回归讲透透
天马行空
批量任务处理神器:Spring Batch
天涯阁主
如何打造爆款付费文章
老王
如何快速准备面试中的算法,获得 Offer?
我爱大口吃饭
设计模式架构解析
疯狂的架构
理理 Java 开发中常见的设计模式
woodwang
深度学习卷积神经网络架构设计核心技术
言有三
从本质如何理解机器学习
李韬
BAT + 程序员校招指南
黄小斜
进阶:Dockerfile 高阶使用指南及镜像优化
张晋涛
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!
添加小助手微信×