快手推荐系统，阿里巴巴广告推荐系统

人工智能其他案例ID：183032

7wangxu

6 年经验· 阿里巴巴，快手

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

广告重拍模块探索，分成三个阶段：引入下翻率提升浏览深度，整页预估模型评估最优广告序列，基于上下文的多坑位校准模型进行广告重排序定义reward来评价序列好坏，公式中引入用户下翻广告概率。构建下翻率模型，工程上使用 Beam Search方法搜索最优序列。pv提升1.01%，消耗提升1.15%，基于广告和推荐上下文，引入LSTM和Attention结构，构建整页评估模型。在手淘购后和首页猜你喜欢中的广告动态定坑场景，利用整页评估模型从动态定坑的候选集广告序列中选出最优序列，离线gauc提升2.1%. 打破广告模板保序限制，利用基于广告和推荐的上下文校准模型对广告pctr进行校准，重新对广告进行排序，对重拍之后的广告进行计费设计。对该模块进行服务化改造，方便其他业务场景接入重排模块。首猜RPM+2.11%/CTR+1.30%/ROI+1.54%，购后 RPM+3.84%/CTR+0.90%/ROI+3.35% 搭建部门模型路线在线链路：构建模型迭代与上线流程化流程，方便业务快速接入模型并进行模型迭代负责双子星和minidetail业务：作为技术产品经理，确保整个项目正常速度推进，跨部门协调沟通，基于数据分析，把控迭代方向以及风险点。其中双子星项目ctr +29.6%, rpm +26.2%, roi +23%, 并且对推荐侧没有负向影响。 mini detail 日常迭代维护，消耗日均600w+