亿级推广流量仍能精准推荐？解读核心算法的应用实践

此外，针对个性化告白场景中数据的构造化特点，他们提出场实现了 common feature 的 trick，可以大年夜幅度紧缩样本存储、加快模型练习。

如下图所见，在展示告白中，一个用户在一天之内会看到多条告白展示，而一天之内这个用户的大年夜量的静态特点（如年纪、性别、昨天以前的汗青行动）是雷同的，经由过程 common feature 紧缩，阿里妈妈对这些样本只须要存储一次用户的静态特点，其余样本经由过程索引与其接洽关系；在练习过程中，这部分特点也只须要计算一次。在实践中，他们应用 common feature trick 使得比拟之前，应用近 1/3 的资本消费获得了 12 倍的加快。

三、营业应用实践

大年夜2013年起，MLR 算法在阿里妈妈及阿里集团多个 BU 的重要场景(包含阿里妈妈精准定向告白、淘宝客、神马贸易告白、淘宝主搜等等）被大年夜范围地应用和测验测验，尤其是在阿里妈妈的精准定向告白场景，算法模型立异带来了营业上的重大年夜冲破，重要场景下的 CTR 和 RPM 均获得 20% 以上的晋升。

典范应用如下：

基于 MLR 的定向告白 CTR 预估算法

基于 MLR 算法的非线性进修才能，阿里妈妈的定向告白 CTR 预估采取了大年夜范围原始ID 特点 + MLR 算法的架构。具体为描述一次告白展示为特点向量，它由三部分自力构成：

告白部分特点（包含 adid、campainid、告白对应的卖家商号 id、类目 id 等）
场景部分特点（包含时光、地位、资本位等）

这些特点之间无传统的交叉组合，维度在 2 亿阁下。然后，他们将数据直接喂给 MLR 算法，并且应用了构造化先验、pretrain+ 增量练习、线性偏置等高等技能，让模型大年夜数据中主动去总结和拟合规律。比拟于传统的 LR+ 特点工程思路，这种解法更为高效和优雅，模型精度更高，在实际临盆中的可迭代更强。

基于 MLR 的定向告白 Learning to Match 算法

Match 算法是定向告白中的一个重要环节，它的

4/5 首页上一页 2 3 4 5 下一页尾页

　　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