内容匹配广告投放技术4：网盟CTR预估（百度文库课程）

原文：http://wbj0110.iteye.com/blog/2043065

该文是百度文库课程《计算广告学之内容匹配广告&展示广告原理、技术和实践》的课程笔记，感谢百度！

课程地址http://wenku.baidu.com/course/view/1488bfd5b9f3f90f76c61b8d

第三章：网盟CTR预估

第三章主要包括三小节：CTR预估背景，CTR预估特点，CTR预估模型

CTR即广告点击率

 

第一节：CTR预估背景

在点击计费时，用得最多的是广义二阶价格拍卖体系。

b是广告主愿意出价的价格，p是预估CTR概率（即点击的可能性有多少）。那么b*p表示展现一次广告最有可能获得的收益是多少。

最后实际收费是按照折算后的计费方式，广告主自己的广告支出费为后一名的收益比上自己的CTR，意思是价格不能再比这个值低了，再低就不能获得这样的排名了。比如 b1<b2p2/p1 的话，那么则左右同乘以p1，得 b1p1<p2p2，那么1就不是winner了。这样的话，可以鼓励广告主，如果你想每点一次少付钱，那么可以优化分母CTR，p，将CTR，p优化成最大。

 

第二节：CTR预估特点

本节主要讲述CTR预估在机器学习中有什么特点。

广告请求query(i)表示用户访问某个网站时，网站会对网盟发出一个广告请求，同时这个请求还会传送一些该用户特征，该网站特征等，然后网盟(CTR预估系统)会在很短时间内选出一个广告来填充这个网站的广告位。从这个过程中可以看到CTR预估系统的特点：1）响应快；2）库量大；3）持续学习能力（即如果之前出了一些不好的广告，预估系统能否学习，为后面作出更好的选择）

以下是整个点击率预估-机器学习模型的概要。训练数据就是通过展现日志得到了，一个网站的请求q(i)下展示ad1,ad2...adn个广告，后面的0,1表示是否点击了。得到庞大的广告-检索对集合训练数据后，就可以进行模型训练得到预估模型f(q,ad,w)，然后测试数据(adi,?)表示该广告adi在q,w的条件(参数)下的预估模型是多少。

************************************************************************************

Online在线算法：每一个新广告到来的时候模型都更新一次。Batch算法：每一批新广告到来的时候模型都更新一次。一般Batch算法的数据量大较稳定，在线算法的时效性更强，但数据较少稳定性较差。

如果老投放精准的老广告，这些老广告能拿到的收益最大，但新广告也要需要投放，也需要投放后进行精准投放的学习，这就涉及到短期收益和长期收益的问题。

 

第三节：CTR预估模型

流程概要，然后分细讲解

特征进行数值化表示。

one-host编码：比如站点表示，10w个站点用长度为10w的01串表示，表示某站点时某位为1。

由于特征数巨大，数据稀疏，因此要进行特征选择。

Filter类：只考虑单个特征；

Wrapper类：克服单特征缺点，考虑特征之间的交叉组合关系。缺点是计算量大；

Embedding类：综合Filter类和Wrapper类。

AUC的英文全称为 Area Under Curve，AUC的意思是曲线下面积，AUC经常用于统计ROC曲线的面积，用来量化评估广告的CTR质量。

**************************************************************************************************************

回归模型和参数(β)学习方法。

MPI模型训练的特点是内存都很大，数据和计算是分离的。MPI主要是在计算的角度进行设计，Hadoop主要是在可扩展性的角度进行设计。

线上评估一般会将流量平均分到线上系统和线上评估系统，然后进行比较各个指标。

*************************************************************************************************************