收录了 点击率预估 频道下的 50 篇内容
本文介绍阿里妈妈关于点击率预估中的长期兴趣建模的工作实践。
本文主要以点击率 (Click-Through Rate, CTR) 预估技术这个战场来展开叙述。
在本论文中,阿里巴巴提出了一种联合预估算法 JUMP,基于会话去同时预测用户的点击和停留时长。JUMP 使用一种新奇的三层 RNN 结构去编码用户的一次会话,包括使用一个“快慢层”去缓解短会话的问题,使用一个“注意力层”去解决会话噪音的问题。大量的实验表明 JUMP 算法能在点击率预估和停留时长预估上,超越最新的其他算法。本论文已被 IJCAI 顶级会议接收。
本文的重点是在特定的一些任务方向,在我们觉得比较合适的一些任务上的典型使用方法,而不是关于深度学习本身的基础算法。
千亿参数规模的模型已经被业界证明能够有效提高业务效果。如何高效训练出这样的模型?百 GB 级别的模型如何在线上实现毫秒级的响应?这些能力在各个大厂都被视为核心技术竞争力和机器学习能力的技术壁垒。要具备这样的能力,对相关系统有什么样的挑战?本文将从系统的角度去详细分析这些问题,并给出腾讯公司的无量系统对这些问题的解答。
本次分享将聚焦转化率预估技术的方方面面以及基于转化率预估技术如何搭建智能出价产品,确保广告主实际成本接近目标出价。
本文介绍搜索广告中的机器学习,包括搜索广告的应用场景、点击率预估问题、搜索广告机器学习流程及其关键技术,以及机器学习的发展。
本文介绍将多任务学习应用于点击率和关注转化率预估的一些思考和实践经验。这些实践已全量覆盖美图秀秀社区以及美拍热门等推荐场景。
本文介绍蚂蚁集团开源的使用 SQL 完成 AI 工作流构建的编译系统 SQLFlow 。
机器学习想要转化价值,最关键的一步是什么? 一个业务问题,埋坑无数,该如何巧妙转化,转变为机器学习的问题? 要平衡机器学习开发人力和时间成本,怎样才能找到最优产出比?
本文主要分享美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的实践经验。
在 ArchSummit 北京 2019 大会上,单厚智讲师做了《知乎如何使用 DNN 优化首页排序》主题演讲。
本文介绍美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的实践经验。
这是业内首个基于真实工业场景的大规模研究性数据集开放计划。
本次分享介绍短视频社交场景下的商业产品中的 AI 技术应用。
本次分享介绍阿里妈妈精准定向广告的算法升级话题,详细介绍如何一步一步做到让用户开心的点击广告。
本文来自美团点评技术文章系列。
本文介绍基于模型学习用户历史行为和广告上下文 ( 目前是上文 ) 来辅助学习当前广告点击率。
本文主要总结了近两年工业界关于 Multi-task 模型在推荐场景的一些应用和工作。
本次分享介绍AI技术在快手短视频商业化中的应用。