084 | 雅虎的广告点击率预估模型
洪亮劼
该思维导图由 AI 生成,仅供参考
在上一篇文章中,我和你分享了广告回馈预估的一个实例:Facebook 的广告点击率预估。我们重点讲了 Facebook 利用“归一化的交叉熵”这个概念,来衡量广告模型的精准度。另外,我们还分享了 Facebook 提出的两层模型架构,也就是一开始先利用树模型 GBDT 来对特性进行非线性转换和选择,然后再利用一个在线学习的线性模型进行最后的预测,这个架构后来得到了很多研究者和实践者的追随。
今天,我们来分析另外一个经典的公司实例:雅虎的广告点击率预估模型。
雅虎早期的广告预估模型
对于曾经的互联网巨头雅虎来说,广告系统很早就成为其重要的经济支柱。早在 2007 年甚至更早的时候,雅虎的工程师和研究人员就投入到了对广告点击率预估的研究中。这方面的几个代表作我列在了文末的参考文献([1]、[2]和[3])里,如感兴趣,你可以进一步学习。
我们在这里集中讲讲这些工作的核心思路。
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
雅虎的广告点击率预估模型经历了从复杂的两层模型到简单的一层模型的转变。早期,雅虎的工程师和研究人员致力于解决广告点击率预估模型中的数据稀疏性问题,提出了一种两层模型架构,利用层次化信息对原始估计值进行修正,以实现更精确的预测。然而,这种方法变得复杂且环节繁多。后期,雅虎转向更简单和可扩展的方法,采用一层模型,主要使用对数几率回归,并大量应用特性哈希和特性配对等方法。研究表明,这种简化的方法相比之前的两层结构取得了显著的效果提升。 总的来说,雅虎的广告点击率预估模型经历了从复杂到简单的演变过程,早期注重层次化信息的平滑处理,后期则更注重模型的简化和可扩展性。这一演变过程体现了雅虎在广告点击率预估领域的不断探索和创新。文章提供了对于广告点击率预估模型发展的深入了解,并引发了对于如何在线性模型中引入层次化平滑思路的思考。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 技术内参》,新⼈⾸单¥98
《AI 技术内参》,新⼈⾸单¥98
立即购买
© 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
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论