百度凤巢新一代广告召回系统——“莫比乌斯”
发布网友
共1个回答
热心网友
百度凤巢新一代广告召回系统——“莫比乌斯”创新点在于引入了CPM等业务指标作为召回依据，并融合了CTR预估模型，形成多目标商业召回系统架构。
在大多数公司的商业广告系统架构中，采用经典的“漏斗”结构，包括召回、粗排、精排和重排序等模块。在现有的召回模块中，首先确保召回内容的相关性，以匹配用户搜索query和候选广告。然而，相关性高的广告不一定具有高商业价值，因此尝试引入业务指标，如CPM。然而，仅依赖CPM召回可能影响准确性，出现“所答非所问”的情况，损害用户体验。因此，召回层在保证相关性的前提下，力求筛选出变现能力强的候选广告。
为了提高筛选能力，系统采用将CTR模型迁移到召回阶段的核心思想。在召回阶段利用CTR模型预测候选广告的PCTR值，作为召回依据。面临的问题是直接套用CTR模型不可行，系统还需解决数据增强、模型训练等关键问题。
莫比乌斯召回系统架构由数据增强模块和模型训练模块组成。数据增强模块通过主动学习的“teacher-student”模型框架生成针对“低相关性高点击率”badcase的训练样本。模型训练模块利用生成的样本数据迭代更新模型，形成双塔结构，通过用户和广告侧的特征构建embedding向量，计算内积并应用softmax层得到预测结果。
线上广告检索召回利用query embedding在保证相关性的前提下筛选变现能力强的候选广告。采用近似最近邻（ANN）检索或最大内积检索（MIPS）进行快速检索，并根据商业指标进行排序。系统还对高维浮点数embedding向量进行压缩处理以优化内存和磁盘开销。
实验结果显示，离线效果显著，线上部署后CPM涨幅大，效果明显。莫比乌斯系统在保证相关性的基础上提升候选广告集的变现能力，为广告召回提供了新思路。
链接至论文
