视觉信息助力广告点击率预估 京东广告团队技术论文入围KDD2020

离线词表生成：商品图像和商品类目信息被共同输入到训练好的CSCNN模块中，计算商品图像的视觉特征向量。在线预估系统加载这些视觉特征，作为CNN模块的替代，输入到CTR预估系统中。结合一定的频次控制策略，20GB的词表可以覆盖第二天的90%的线上流量。

在线服务：在线服务系统接收到一条CTR预估请求后，会根据广告ID，从图像特征词表中直接查询视觉特征向量，与非视觉特征一起输入到CTR预估模型中计算。在3 Million/second的流量峰值中，我们的CPU在线服务系统能把TP99延迟严格控制在20ms以内。

五、实验效果：

我们的实验设计主要关注于两方面：

测试CSCNN模块的，有效提取特定类目信息的视觉特征的能力。为了排除庞大的CTR系统中的多方干扰，我们选择了Amazon Benchmark 数据集，和简单的线性CTR预估模型Bayesian Personalized Ranking (BPR).

我们进一步测试CSCNN对于整个CTR系统的提升。包括在京东广告系统收集的150亿训练样本的工业数据集，和真实流量的Online A/B Test.

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!