赞助搜索相关性中类别相似度的近似方法
信息检索
2018-12-04 v1
摘要
赞助搜索是网络搜索引擎的重要收入来源。由于赞助搜索采用按点击付费模式，展示相关广告以获取点击至关重要。查询与其广告候选的类别匹配已在查询-广告对的相关性建模中得到探索。该方法将过去所见查询的缓存类别与候选广告的类别进行匹配。由于查询具有长尾分布，该方法的覆盖率有限。在本工作中，我们提出使用神经网络（特别是 CLSM）来近似查询-广告对的类别相似度。查询（或文档）的嵌入由其三字母表示生成，从而可覆盖长尾查询。离线实验表明，相较于直接使用类别，引入该特征使 AUC ROC 提升 5.23%。A/B 测试结果显示相关性提升 8.2%。
引用
@article{arxiv.1812.00158,
title = {Approximating Categorical Similarity in Sponsored Search Relevance},
author = {Hiba Ahsan and Rahul Agrawal},
journal= {arXiv preprint arXiv:1812.00158},
year = {2018}
}
备注
Proceedings of DAPA 2019 WSDM Workshop on Deep Matching in Practical Applications. ACM, New York, USA, 4 pages