2020年终大会-广告算法：10-2.pdf

1、短视频场景下 信息流广告的挑战和技术 Dr. 舒承椿 场景和架构 智能定向 创意优化 模型预估 用户/客户体验 广告冷启动 思考：广告优化问题 分享大纲 广告场景和系统架构 短视频广告场景 国民级曝光 全屏沉浸式体验 品牌营销首选 简单：广告即内容 智能：个性化、精准、高效 互动性强：网红和粉丝 可见性强 ： 播放过程中展示 开屏广告信息流广告播放页广告 广告系统架构的挑战 高并发、高吞吐量、低延迟 支持每天亿级用户访问 支持每天百亿级广告请求 支持每次千万级广告创意优选 最大300秒响应延迟 可扩展性、可伸缩性 增加新的广告场景 增加新的预测目标 增加新的用户流量 定向与召回 粗排 精排 异

2、步 并行 缓存 流水线 多阶段性能优化 架构分层 + 技术中台 + 容器化 + 云技术 流量接入 App the trouble is, I dont know which half. - John Wanamaker (1838-1922) Approximate Nearest Neighbors？ Embedding learning 技术挑战 一方数据无时间戳 训练集合与预测集合非i.i.d age gender location interest Ad session context reco session Flattenr &concat dropout dropout Full

3、connect Userembedding profile context Fullconnect adembedding sigmoid Flattenr &concat industry profile statics Advertiser&System Lossfunction 模长正则 智能匹配框架 创意优化 创意优化: 生成 + 优选 + 理解 技术框架 创意优化-广告封面和标题匹配 CVPR2020,IMRAM:IterativeMatchingwithRecurrentAttentionMemoryforCross-ModalImage-TextRetrieval 模型预估 转化延迟高 Label回传在小时到天级别 不同行为delay时间差异大 稀疏性高 部分行为10-5量级 转化行为多 支持百种转化目标 模型维护成本大 p(Y) =p(conv)* p(conv_at_t)