超越关键词与相关度：电商赞助搜索中的个性化广告检索框架
信息检索
2018-04-25 v5 机器学习
摘要
在大多数赞助搜索平台上，广告主为其广告（ads）竞价若干关键词。给定搜索请求，广告检索模块将查询改写为竞价关键词，并以这些关键词为键通过倒排索引选取Top N广告。如此一来，即便查询相关，若广告主未对相应关键词竞价，该广告也不会被检索到。此外，多数广告检索方法将改写与广告选取视为两个独立任务，并聚焦于提升搜索查询与广告间的相关度。近来，电商赞助搜索中引入了越来越多个性化信息，如用户画像、长期与实时点击。个性化信息使广告检索能采用更多元素（如实时点击）作为搜索信号与检索键，但也令通过不同信号检索到的广告更难衡量。为解决这些问题，我们提出一种电商赞助搜索中超越关键词与相关度的新颖广告检索框架。首先，我们利用历史广告点击数据初始化一个表示信号、键与广告的层次网络，其中引入了个性化信息。随后我们在该层次网络上训练模型以学习边权。最后依据模型选取最优边，提升RPM/CTR。我们电商平台上的实验结果证明该广告检索框架取得了良好性能。
引用
@article{arxiv.1712.10110,
title = {Beyond Keywords and Relevance: A Personalized Ad Retrieval Framework in E-Commerce Sponsored Search},
author = {Su Yan and Wei Lin and Tianshu Wu and Daorui Xiao and Xu Zheng and Bo Wu and Kaipeng Liu},
journal= {arXiv preprint arXiv:1712.10110},
year = {2018}
}