WWWFeb, 2019

领域约束的广告关键词生成

PDF
TL;DR该论文探讨了使用生成神经网络以及强化学习算法来解决在线广告推荐中的关键字提取问题，提出的模型能够生成与输入相关、多样化的关键字，并且满足领域特定信息的限制条件，并通过离线和在线评估表明，所提出的模型能够显著提高广告投放的覆盖率、点击率和 RPM。
advertisingkeyword suggestionsponsored searchneural networksreinforcement learning
发现论文，激发创造
  • 不确定环境下赞助搜索广告中的最优关键词分组

    本文提出了一种基于随机规划模型的关键词分组方法，考虑了点击率和转化率等随机变量，同时纳入预算约束和风险承受能力，使用分支界定算法解决该模型，实验证明该方法在实际的搜索广告活动中表现出色，并揭示了有关关键词分组决策的重要洞察。

    Mar, 2022

  • 使用深度强化学习的赞助搜索组合关键词推荐

    本文探讨了利用一种改进的指针网络结构思想，通过采用深度强化学习来解决关键词推荐的组合优化问题，提出了一个预分簇方法 Equal Size K-Means 来加速训练和测试，该框架在离线和在线环境中均取得了显著的提高。

    Jul, 2019

  • 搜索广告中基于多样性驱动的查询重写

    本文提出了 CLOVER 框架，通过增加多样性的强化学习算法来优化人类对重写质量的评估，从而生成高质量和多样化的查询重写，离线实验和 Bing 上的在线实验都证明了该方法的有效性。

    Jun, 2021

  • 领域代表性关键词选择：一种概率方法

    该研究提出了一种概率方法，通过对目标领域和上下文领域进行对比，采用包含候选关键词的双分量混合模型来选择一组目标领域代表性关键词，然后使用优化算法从生成的候选分布中选出代表性最好的关键词，研究表明该方法优于其他基线方法，尤其适用于关键词摘要生成和趋势关键词选择。

    Mar, 2022

  • 可扩展的在赞助搜索广告中查询和广告的语义匹配

    该研究提出了一种基于语义嵌入的高级匹配方法，通过利用用户搜索会话的语义嵌入来自动找到更多的相关查询以供广告商竞标，同时提出了解决冷启动问题的方法，该方法已在实际搜索流量中进行了测试并获得了显著的优化结果和增量收益，同时将学习到的查询嵌入开源供计算广告和相关领域的研究人员使用。

    Jul, 2016

  • 赞助搜索拍卖的三角形竞词生成

    本文提出了一种三角形竞价词生成模型 (TRIDENT)，通过使用竞价词作为搜索查询和广告之间的桥梁，可以联合学习搜索查询，广告和竞价词的生成过程，解决了当前方法在 <查询，竞价词> 和 <广告，竞价词> 数据噪声方面的问题，并实现了在线实际数据的验证，结果表明我们的 TRIDENT 能够为产品搜索生成相关且多样化的竞价词。

    Jan, 2021

  • 赞助搜索广告中的关键词优化：一个多级计算框架

    本研究中提出了一个基于多级和闭合式计算框架的关键词优化 (MKOF) 模型，用于支持在整个搜索广告 KPI (关键绩效指标) 生命周期中的各种关键词决策，并在两个真实世界数据集上进行了实验验证，结果表明该模型可以在稳定的情况下接近最优解，以及优于在实践中常用的两个基本关键词策略。

    Feb, 2022

  • 关键词引导的神经对话模型

    本文提出了一种基于常识的关键词导向神经对话模型，通过外部常识知识图谱实现关键词的转移和响应检索，实现对话更快地到达目标关键词，自我对话和人类评估表明我们的模型产生的响应关键词转移更平稳，比竞争基线更快地到达目标关键词。

    Dec, 2020

  • 一种端到端生成式检索方法用于赞助搜索引擎 -- 高效解码到封闭目标领域

    本篇论文提出了一种使用神经机器翻译方法来直接从查询中生成关键字的检索方法，并采用基于 Trie 的修剪技术来解决目标空间为限制闭合集合的检索环境下的关键字生成问题。该方法被应用于百度商业搜索引擎作为辅助检索分支，使得收益提升 10% 以上。

    Feb, 2019

  • 电商赞助搜索中的个性化广告检索框架：超越关键字和相关性

    通过构建一个应用于电商赞助搜索的层次化网络框架，结合历史广告点击数据来进行信号、检索关键词和广告的关联，选择模型权重最佳的边缘来提高 RPM/CTR，从而达到多维度广告检索和推荐的目的。

    Dec, 2017