用户部分特点（包含 userid、profile 信息、用户在淘宝平滔喔赡汗青行动特点（浏览/购买过的瑰宝/商号/类目上的 id 和频次等）

MLR算法高等特点

在具体的实践应用中，阿里妈妈精准定向团队进一步成长了 MLR 算法的多种高等特点，重要包含：

构造先验。基于范畴常识先验，灵活地设定空间划分与线性拟合应用的不合特点构造。它有助于赞助模型缩小解空间的摸索范围，收敛更轻易。

线性偏置。这个特点供给了一个较好的办法解决 CTR 预估问题中的 bias 特点，如地位、资本位等。实际应用中，工程师经由过程对地位 bias 信息的建模，获得了 4% 的 RPM晋升效不雅。

模型级联。MLR 支撑与 LR 模型的级联式结合练习，这有点类似于 wide&deep learning。一些强 feature 设备成级联模式有助于进步模型的收敛性。

MLR 算法面向的是工业级的数据，例如亿级特点，百亿级样本。是以，工程师设计了一套分布式架构，以支撑模型的高效并行练习。

典范的应用办法是：以统计反馈类特点构建第一层模型，它的输出(如下图中的 FBCtr)级联到第二级大年夜范围稀少 ID 特点体系中去，可以或许获得更好的晋升效不雅。

同样地，基于 MLR 算法的非线性才能，他们可以很轻易地将不合的特点源、标签体系融合到框架中，不须要过多地存眷和设计特点的交叉组合，使得框架的灵活性大年夜大年夜加强。

点击率预估（Click-Through Rate Prediction）是互联网主流应用(告白、推荐、搜刮等)的核默算法问题。

大年夜范围分布式实现

下图是架构示意图，它跟传统的 parameter server 架构略有差别，重要不合点在于每一个分布式节点上同时安排了 worker 和 server 两种角色，而不是将 server 零丁剥离出去安排。如许做是为了充分应用每个节点的 CPU 和内存，大年夜而包管最大年夜化机械的资本应用率。

　　推荐阅读

　　三大运营商5G部署上路！工信部敲定初始频段

5G最快于来岁韩国平昌冬奥会上大年夜范围商用，估计在2020年周全铺开。昨日，工信部发文明白了第五代国际移动>>>详细阅读

本文标题：亿级推广流量仍能精准推荐？解读核心算法的应用实践

地址：http://www.17bianji.com/lsqh/35645.html

 1/2    1