https://index.zshipu.com/geek/tags/CTR/ Recent content in CTR on 知识铺的博客 Hugo -- gohugo.io zh-CN Tue, 15 Mar 2022 09:31:19 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%BB%E6%B5%81%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B%E7%9A%84%E6%BC%94%E5%8C%96%E5%8F%8A%E5%AF%B9%E6%AF%94/ Tue, 15 Mar 2022 09:31:19 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%BB%E6%B5%81%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B%E7%9A%84%E6%BC%94%E5%8C%96%E5%8F%8A%E5%AF%B9%E6%AF%94/ 学习和预测用户的反馈对于个性化推荐、信息检索和在线广告等领域都有着极其重要的作用。在这些领域，用户的反馈行为包括点击、收藏、购买等。本文以点击率（CTR）预估为例，介绍常用的CTR预估模型，试图找出它们之间的关联和演化规律。 数据特点 在电商领域，CTR预估模型的原始特征数据通常包括 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%89%8D%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%97%B6%E4%BB%A3%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B%E7%9A%84%E6%BC%94%E5%8C%96%E4%B9%8B%E8%B7%AF/ Tue, 15 Mar 2022 09:13:30 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%89%8D%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%97%B6%E4%BB%A3%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B%E7%9A%84%E6%BC%94%E5%8C%96%E4%B9%8B%E8%B7%AF/ 转载自： 王喆 在互联网永不停歇的增长需求的驱动下，CTR预估模型（以下简称CTR模型）的发展也可谓一日千里，从2010年之前千篇一律的 逻辑回归（Logistic Regression，LR），进化到 因子分解机（Factorization Machine，FM）、 梯度提升树（Gradie https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%90%9C%E7%8B%90%E6%96%B0%E9%97%BB%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%9A%84%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B/ Tue, 15 Mar 2022 09:03:20 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%90%9C%E7%8B%90%E6%96%B0%E9%97%BB%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%9A%84%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B/ 出自 搜狐技术产品 公众号 一简介 在推荐系统的排序环节中，我们经常使用CTR(Click-Through Rate)预估的方式来构建排序模型。在业界的实际应用上，如何通过大规模数据提取出有效特征对用户行为建模、泛化一直是研究人员的工作方向，由于在推荐系统的实际应用中，数据通常非常稀疏，如 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%A1%8C%E7%9F%A5%E9%95%B6%E5%B5%8C%E5%9C%A8%E4%BA%92%E8%81%94%E7%BD%91%E6%8A%80%E6%9C%AF%E4%B8%8A%E7%9A%84%E6%98%8E%E7%8F%A0%E6%BC%AB%E8%B0%88%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%97%B6%E4%BB%A3%E7%82%B9%E5%87%BB%E7%8E%87%E9%A2%84%E4%BC%B0%E6%8A%80%E6%9C%AF%E8%BF%9B%E5%B1%95/ Tue, 15 Mar 2022 01:32:16 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%A1%8C%E7%9F%A5%E9%95%B6%E5%B5%8C%E5%9C%A8%E4%BA%92%E8%81%94%E7%BD%91%E6%8A%80%E6%9C%AF%E4%B8%8A%E7%9A%84%E6%98%8E%E7%8F%A0%E6%BC%AB%E8%B0%88%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%97%B6%E4%BB%A3%E7%82%B9%E5%87%BB%E7%8E%87%E9%A2%84%E4%BC%B0%E6%8A%80%E6%9C%AF%E8%BF%9B%E5%B1%95/ 文章作者： 朱小强****（阿里花名： 怀人）**** 阿里妈妈深度学习算法平台负责人，兼任定向广告&信息流广告排序技术团队负责人 内容来源： 高维稀疏数据领域的深度学习****@知乎专栏**** 出品社区： DataFun 注：欢迎投稿「行知」，投递方式见文末。 一、写在前面 关于标题所承载的话题，一 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9B%9E%E9%A1%BE%E7%BB%8F%E5%85%B8%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B/ Tue, 15 Mar 2022 01:14:51 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9B%9E%E9%A1%BE%E7%BB%8F%E5%85%B8%E9%A2%84%E4%BC%B0%E6%A8%A1%E5%9E%8B/ 文章作者：王喆 Hulu Senior Research SDE 内容来源：王喆的机器学习笔记@知乎专栏 在这篇文章中，Facebook提出了经典的 GBDT（Gradient Boosting Decision Trees）+LR(Logistics Regression)的CTR模型结构，可以说开启了特征工程模型化、自动化的新阶段。此外其在五年前就采用的on https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BA%92%E8%81%94%E7%BD%91%E5%B9%BF%E5%91%8A%E9%A2%84%E4%BC%B0%E6%96%B0%E7%AE%97%E6%B3%95%E5%9F%BA%E4%BA%8E%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E5%8E%9F%E7%90%86%E8%A7%A3%E8%AF%BB/ Mon, 14 Mar 2022 16:48:28 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BA%92%E8%81%94%E7%BD%91%E5%B9%BF%E5%91%8A%E9%A2%84%E4%BC%B0%E6%96%B0%E7%AE%97%E6%B3%95%E5%9F%BA%E4%BA%8E%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E5%8E%9F%E7%90%86%E8%A7%A3%E8%AF%BB/ 什么是CTR预估 CTR（Click-Through-Rate）即点击通过率，是互联网广告常用的术语，指网络广告（图片广告/文字广告/关键词广告/排名广告/视频广告等）的点击到达率，即该广告的实际点击次数除以广告的展现量。 CTR是衡量互联网广告效果的一项重要指标。 CTR预估数据特点 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%B7%A5%E7%A8%8B%E9%9A%BE%E9%A2%98%E5%A6%82%E4%BD%95%E5%81%9A%E5%A5%BD%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E7%BA%BF%E4%B8%8A/ Mon, 14 Mar 2022 16:40:09 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%B7%A5%E7%A8%8B%E9%9A%BE%E9%A2%98%E5%A6%82%E4%BD%95%E5%81%9A%E5%A5%BD%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E7%BA%BF%E4%B8%8A/ 这篇文章希望讨论的问题是深度学习 CTR 模型的线上 serving 问题。对于 CTR 模型的离线训练，很多同学已经非常熟悉，无论是 TensorFlow，PyTorch，还是传统一点的 Spark MLlib 都提供了比较成熟的离线并行训练环境。但 CTR 模型终究是要在线上环境使用的，如何将离线训练好的模型部署于线上的生产环境，进行线上