xd_xumaomao

摘要： 背景 由于推荐场景特征的稀疏性和异构性，简单地加宽或堆叠特征交互层而不改变结构，这样做的收益是有限甚至是负面的。同时由于工业推荐系统的高QPS特性，必须兼顾效果和效率。这偏论文是字节在rank阶段探索模型scaing law的论文，论文提出了RankMixer——一种专为工业级推荐排序设计的新型架构 阅读全文

摘要： 一、研究背景与问题 在展示广告实时竞价（RTB）系统中，广告主需同时满足预算约束与CPC成本约束： 预算需在投放周期内匀速消耗，不超支、不浪费 平均点击成本（CPC）需稳定控制在目标值附近 传统单PID控制方案（如OCPC）存在严重缺陷： 预算与CPC强耦合，调节一个目标会严重干扰另一个 流量波动时 阅读全文

摘要： ocpm：曝光就扣费，按ecpm扣费 ocpc:： 点击才扣费，按ecpm/pctr扣费 阅读全文

摘要： DSP、SSP、ADX... 广告系统区别 阅读全文

摘要： 背景 物品冷启动是推荐系统非常重要的问题，Lookalike方法是解决物品冷启动的一个思路, 因为它不依赖于ID特征和历史交互数据, 仅依赖于新内容的种子用户去找到相似用户来提升内容推荐效果。但现Lookalike方法还存在两个问题: 无法有效的建模用户关系: 传统Lookalike方法(基于规则或 阅读全文

摘要： 背景 尽管 pairwise loss 和 listwise loss 相当于 pointwise loss 有更好的排序建模的能力，但是在CTR建模中一般还是使用的pointwise loss，主要是因为pointwise loss有更好的校准能力，其预估结果可以直接被视为点击概率。为了解决这个问 阅读全文

摘要： 在工业界CTR预估的相关优化中，BCE Loss加入辅助的Ranking Loss能够显著提升模型预估效果。但是关于其背后的原理，大多数研究仅从定性的角度分析，没有严格的理论证明。该篇论文从理论和实验两个方面论证了BCE Loss在加入Ranking Loss后为什么会有效果 这篇论文给出了解释： 阅读全文

摘要： 背景 推荐系统中常常存在长尾分布的问题，也就是说少量item占了大量的曝光，而数目比较大长尾item占了少量的曝光，这会导致推荐系统存在两个问题： item记忆性特征不容易学好，对于长尾item，由于其曝光很少，导致其记忆性的特征很难学好（如item id），但是这类特征往往是推荐模型中非常重要的个 阅读全文

摘要： 模型结构如上图所示，左边是一个标准的双塔结构，论文中称为original cold & warm net，右边是个bias net original cold & warm net original cold & warm net 由左侧 user tower 和右侧的 item tower组成，i 阅读全文

摘要： 背景 在游戏付费场景里，少部分的用户贡献了大部分的收益，论文中把这少部分高价值用户称为“游戏鲸鱼用户”，分析数据发现游戏鲸鱼用户和普通用户的LTV分布不同，因此腾讯在google ZILN 论文基础上提出了用多专家门控网络来分人群建模游戏鲸鱼用户和普通用户的的LTV 相关定义 游戏鲸鱼用户的购买概率 阅读全文