在工厂车间：工业级广告推荐模型的机器学习工程
信息检索
2022-09-13 v1 机器学习
摘要
对于工业级广告系统，广告点击率（CTR）预测是一个核心问题。广告点击构成一类显著的用户互动，并常被用作广告对用户有用性的主要信号。此外，在按点击付费、广告主按点击计费的广告系统中，点击率预期直接汇入价值估计。因此，CTR模型开发是多数互联网广告公司的一项重大投入。此类问题的工程需要许多适用于在线学习的机器学习（ML）技术，其远超传统精度提升，尤其涉及效率、可复现性、校准、功劳归因。我们呈现一个部署于谷歌搜索广告CTR模型中的实用技术案例研究。本文提供一个产业案例研究，突显当前ML研究的重要领域，并阐释有影响力的新ML方法如何在大尺度工业环境中被评估并变得有用。
引用
@article{arxiv.2209.05310,
title = {On the Factory Floor: ML Engineering for Industrial-Scale Ads Recommendation Models},
author = {Rohan Anil and Sandra Gadanho and Da Huang and Nijith Jacob and Zhuoshu Li and Dong Lin and Todd Phillips and Cristina Pop and Kevin Regan and Gil I. Shamir and Rakesh Shivanna and Qiqi Yan},
journal= {arXiv preprint arXiv:2209.05310},
year = {2022}
}
备注
ORSUM - ACM RecSys, September 23, 2022, Seattle, WA