赞助搜索拍卖的三角形竞词生成
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。
Feb, 2019
现代商业互联网搜索引擎通过拍卖方式在搜索结果旁边展示广告,这种发起出价的赞助搜索依靠市场机制,我们总结了当前拍卖系统的情况,描述了博弈论方面的基本原理,该博弈涉及到三方,分别是广告主、搜索引擎和搜索用户,介绍了强调每方角色的研究方向,并使用机制设计、优化和统计估计的技术来制定竞标和定价算法最后提出了赞助搜索广告中的一些挑战。
May, 2008
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
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
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
本文介绍百度所开发的智能广告系统 - AiAds 系统的架构和模型技术,该系统利用机器学习技术,通过自动化竞标策略、智能定位和智能创意模型等将手动优化转换为多个自动化任务,并使用先进的方法进行优化。该系统可以显著提高广告主的广告 Kamp、用户体验和广告平台的收入,并提出了解决几个关键挑战的经验教训。
Jul, 2019
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
本文系统分析了在线广告领域中关键的问题,提出建立可信赖的 AIRTB 关键技术的研究方向,并详细讨论了建立安全性、稳健性和公正性等三个维度的可信体系所需的策略,并探讨了未来研究的方向。
Sep, 2022
该研究构建了一种知识图谱补全方法,通过微调 BERT 模型获取三元组中隐藏的语义信息,并使用注意力特征嵌入方法计算正负三元组中关系和实体之间的语义注意力得分,形成软约束规则来实现语义信息的自适应增强。此外,考虑到高维向量对影响,使用 BERT-Whitening 方法降低维度,提高语义向量的效率。经实验比较,在 FB15K 和 WIN18 数据集上,所提出的方法表现更好,比原始翻译模型有约 2.6%的数值改善。
Feb, 2023