阿里妈妈在Matching和Ranking上的探索
极客时间编辑部
讲述:杜力大小:928.85K时长:01:59
近日,在 IJCAI 2018(国际广告算法大赛)上,阿里妈妈资深算法专家朱小强,以及高级算法专家林伟,以展示广告技术的两个最重要技术模块——Matching 和 Ranking 为例,分享了将深度学习引入工业级展示广告和搜索广告领域所做的创新与探索。
超大规模的数据以及问题的高度非线性,对展示广告技术构成了巨大的挑战。在过去两年里,阿里妈妈团队创造性地将深度学习引入到展示广告技术中,自主研发了一系列面向工业级尺度的端到端深度模型,推动了展示广告技术的全面革新,达到了世界领先的水平。
朱小强认为,深度学习给工业界掀起了一场生产力革命。在深度学习时代,模型的设计变成组件化,优化的方法变成标准化,而且设计和优化是解耦的。这些特点驱动了以深度学习为代表的 AI 技术迅速普及,而且将整个业界的技术迭代速度提升了 1-2 个数量级。
林伟表示,在搜索广告场景下,传统的观点一直认为,匹配(Matching)的主要优化目标是寻找最相关的候选广告集。他们团队重新定义了这个目标,认为在电商场景下,Matching 的主要优化目标是寻找相关性满足约束下,最符合业务目标(例如期望收益等)的候选广告集。
目前,阿里妈妈已经构建了一套支持超大规模异构图表征学习的算法,并且在 Matching 上成功落地。未来,他们将进一步深耕图深度学习(Graph-based Deep Learning)的方法及应用。
如今在淘宝的场景中,图像因素变得越来越重要,用户的行为模式也越来越复杂。对于排序问题(Ranking),传统的一些模型在识别用户意图上存在许多限制,需要更精巧和更强大的模型来理解用户。
对此,阿里妈妈团队提出了图像网络和记忆网络设计方法,增加 Ranking 模型识别用户意图的能力,经过实际测试都取得了不错的效果。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
- 李晓伟Jack解读再深入些1
收起评论