实例分析深度学习在广告搜索中的应用

　　深度学习在搜狗无线搜索广告中的应用2016-07-22 15:17

　　本文来自搜狗资深研究员舒鹏在携程技术中心主办的深度学习Meetup中的主题演讲，介绍了深度学习在搜狗无线搜索广告中的应用及成果。重点讲解了如何实现基于多模型融合的CTR预估，以及模型效果如何评估。

　　搜索引擎广告是用户获取网络信息的渠道之一，同时也是互联网收入的来源之一，通过传统的浅层模型对搜索广告进行预估排序已不能满足市场需求。近年来，深度学习在很多领域得到广泛应用并已取得较好的成果，本次演讲就是分享深度学习如何有效的运用在搜狗无线搜索广告中。

　　本次分享主要介绍深度学习在搜狗无线搜索广告中有哪些应用场景，以及分享了我们的一些成果，重点讲解了如何实现基于多模型融合的CTR预估，以及模型效果如何评估，最后和大家探讨DL、CTR预估的特点及未来的一些方向。

　　深度学习在搜索广告中有哪些应用场景

　　比较典型的深度学习应用场景包括语音识别、人脸识别、博奕等，也可以应用于搜索广告中。首先介绍下搜索广告的基本架构，如下图：

　　首先用户查询。查询词给Bidding Server处理，Bidding Server主要负责业务逻辑。例如某种广告在什么情况下不能展现，或这个客户同一个广告在什么时间段什么地域展现。Bidding Server请求Retriever Server，Retriever Server主要负责召回，广告库很庞大（搜狗的广告库大概在几十亿这个规模），因为数据量非常大，所以需要根据一些算法从中找出和当前查询词最相关的一批广告，这就是Retriever Server做的事情。Retriever Server处理完后，会把这些比较好的广告回传给Quality Server，Quality Server主要负责点击率预估和排序，此时的候选集数量相对较少，Quality Server会采用复杂的算法针对每条广告预估它当前场景的点击率，并据此排序。Quality Server将排序结果的top回传给Retriever Server。Retriever Server回传给Bidding Server。Bidding Server做封装最后展示给用户。