关于美团:广告深度预估技术在美团到店场景下的突破与畅想

49次阅读

共计 2297 个字符,预计需要花费 6 分钟才能阅读完成。

后深度学习时代下,技术迭代全面进入深水区,以晋升模型复杂度为主体的广告预估模型优化曾经不再见效。美团到店广告品质预估团队紧密结合业务特点,施展深度模型构造灵便多变的劣势,实现了进一步破局。本文先介绍了美团业务的 LBS 空间间隔束缚和长周期性两大挑战,而后介绍了上下文、用户、广告、训练形式四个维度的应答计划,具体如下四个技术冲破:a. 基于位次组合的上下文偏差感知预估;b. 基于时空依赖的超长序列建模;c. 广告候选动态化;d. 劫难忘记与继续学习,带动线上指标显著晋升的同时,整顿为论文发表在 SIGIR、CIKM 等国内顶级会议。最初,基于新一轮了解,提出推理量级动态化、评估指标差异化等预估技术新趋势。



参考文献

  • [1] Friedman J H . Greedy Function Approximation: A Gradient Boosting Machine[J]. Annals of Statistics, 2001, 29(5):1189-1232.
  • [2] Rendle S. Factorization machines[C]//2010 IEEE International conference on data mining. IEEE, 2010: 995-1000.
  • [3] HT Cheng, et al. Wide & Deep Learning for Recommender Systems, 2016
  • [4] Zhou, Guorui, et al.“Deep interest network for click-through rate prediction.”Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. 2018
  • [5] Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts. ACM, 2018.
  • [6] Wen, Ling, Chua. A closer look at strategies for memorization.[J]. Clavier Companion, 2014, 6(6):50-52.
  • [7] Huang J, Hu K, Tang Q, et al. Deep Position-wise Interaction Network for CTR Prediction[J]. arXiv preprint arXiv:2106.05482, 2021.
  • [8] Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction
  • [9] Qi, Yi, et al. “Trilateral Spatiotemporal Attention Network for User Behavior Modeling in Location-based Search”, CIKM 2021.
  • [10] Overcoming catastrophic forgetting in neural networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017.
  • [11] M. Zinkevich. Online convex programming and generalized infinitesimal gradient ascent. In ICML, 2003.
  • [12] Optimized Cost per Click in Taobao Display Advertising[C]// the 23rd ACM SIGKDD International Conference. ACM, 2017.
  • [13] https://tech.meituan.com/2020…

招聘信息

美团到店广告平台广告算法团队立足广告场景,摸索深度学习、强化学习、人工智能、大数据、常识图谱、NLP 和计算机视觉前沿的技术倒退,摸索本地生存服务电商的价值。次要工作方向包含:

  • 触发策略 :用户用意辨认、广告商家数据了解,Query 改写,深度匹配,相关性建模。
  • 品质预估 :广告品质度建模。点击率、转化率、客单价、交易额预估。
  • 机制设计 :广告排序机制、竞价机制、出价倡议、流量预估、估算调配。
  • 创意优化 :智能创意设计。广告图片、文字、团单、优惠信息等展现创意的优化。

岗位要求

  • 有三年以上相干工作教训,对 CTR/CVR 预估、NLP、图像了解,机制设计至多一方面有利用教训。
  • 相熟罕用的机器学习、深度学习、强化学习模型。
  • 具备优良的逻辑思维能力,对解决挑战性问题充满热情,对数据敏感,长于剖析 / 解决问题。
  • 计算机、数学相干业余硕士及以上学历。

具备以下条件优先

  • 有广告 / 搜寻 / 举荐等相干业务教训。
  • 有大规模机器学习相干教训。

感兴趣的同学可投递简历至:chengxiuying@meituan.com(邮件题目请注明:美团广平算法团队)。

浏览美团技术团队更多技术文章合集

前端 | 算法 | 后端 | 数据 | 平安 | 运维 | iOS | Android | 测试

| 在公众号菜单栏对话框回复【2020 年货】、【2019 年货】、【2018 年货】、【2017 年货】等关键词,可查看美团技术团队历年技术文章合集。

| 本文系美团技术团队出品,著作权归属美团。欢送出于分享和交换等非商业目标转载或应用本文内容,敬请注明“内容转载自美团技术团队”。本文未经许可,不得进行商业性转载或者应用。任何商用行为,请发送邮件至 tech@meituan.com 申请受权。

正文完
 0