COPR：面向在线广告的一致性预排序框架
信息检索
2023-10-10 v2 机器学习
摘要
级联架构已被大规模广告系统广泛采用，以平衡效率与效果。在该架构中，预排序模型被期望为排序模型的轻量级近似，以严格的延迟要求处理更多候选。由于模型容量的差距，预排序与排序模型通常产生不一致的排序结果，从而损害系统整体效果。分数对齐范式被提出以正则化其原始分数保持一致。然而，当应用于在线广告时，它受制于不可避免的对齐误差以及出价带来的误差放大。为此，我们引入一种面向在线广告的一致性预排序框架，其采用基于分块的采样模块与即插即用的排序对齐模块，显式优化 ECPM 排序结果的一致性。采用基于 的加权机制，以更好区分分块间样本在优化中的重要性。线上与线下实验均验证了该框架的优越性。当部署于淘宝展示广告系统时，其实现了高达 +12.3% CTR 与 +5.6% RPM 的提升。
引用
@article{arxiv.2306.03516,
title = {COPR: Consistency-Oriented Pre-Ranking for Online Advertising},
author = {Zhishan Zhao and Jingyue Gao and Yu Zhang and Shuguang Han and Siyuan Lou and Xiang-Rong Sheng and Zhe Wang and Han Zhu and Yuning Jiang and Jian Xu and Bo Zheng},
journal= {arXiv preprint arXiv:2306.03516},
year = {2023}
}