facebook:gbdt+lr在ctr预估中的应用

Posted bytedance

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了facebook:gbdt+lr在ctr预估中的应用相关的知识,希望对你有一定的参考价值。

背景

  • facebook上的广告并不是与query关联的,而是与用户的兴趣及其人口信息相关,所以相比于搜索其候选广告的体量要大的多;
  • 级联模型:解决上述大量候选集合的问题,逐级增大计算复杂度;

实验:

  • 评估方法:

1.归一化互信熵:y-->(-1,+1)

技术分享图片

2.Calibration:预测点击数/观测点击数

CTR_avg_estm/CTR_empr

3. AUC:area-under-ROC  度量排序质量

模型结构

 

以上是关于facebook:gbdt+lr在ctr预估中的应用的主要内容,如果未能解决你的问题,请参考以下文章

CTR预估-GBDT与LR实现

前深度学习时代CTR预估模型的演化之路:从LR到FFM

ctr——FM,FFM

CTR预估---传统模型

(读论文)推荐系统之ctr预估-Wide&Deep模型解析

深度网络CTR建模