PCDF：一种用于赞助搜索广告投放的并行计算分布式框架
信息检索
2023-08-09 v3
摘要
传统的赞助搜索在线广告系统依次遵循检索、预排序、排序的级联范式。受限于严格的在线推理效率要求，在排序阶段往往难以部署有用但计算密集的模块。此外，工业界当前使用的排序模型假设用户点击仅依赖于广告本身，导致排序阶段忽视了自然搜索结果对预测广告（ads）的影响。在这项工作中，我们提出了一种新颖的框架 PCDF（Parallel-Computing Distributed Framework，并行计算分布式框架），允许将计算成本拆分为三部分，并分别部署在与检索阶段并行的预模块、用于广告排序的中模块，以及用于结合外部条目对广告重排序的后模块中。与经典框架相比，我们的 PCDF 有效降低了整体推理延迟。整个模块是端到离线训练并适配在线学习范式。据我们所知，我们从系统框架侧首次提出了针对复杂 CTR 模型在线训练与部署的端到端解决方案。
引用
@article{arxiv.2206.12893,
title = {PCDF: A Parallel-Computing Distributed Framework for Sponsored Search Advertising Serving},
author = {Han Xu and Hao Qi and Kunyao Wang and Pei Wang and Guowei Zhang and Congcong Liu and Junsheng Jin and Xiwei Zhao and Zhangang Lin and Jinghe Hu and Jingping Shao},
journal= {arXiv preprint arXiv:2206.12893},
year = {2023}
}