推荐系统遇上深度学习(一零二)-[百度]展示广告中的样本优化

本文介绍的是CIKM20上百度发表的一篇有关展示广告召回阶段样本优化的文章，论文名称是《Sample Optimization For Display Advertising》。文章提出了多种样本优化的方法，极大提升了线上广告收入，一起来学习一下。

1、背景

工业界广告排序系统大都至少包括两个阶段：候选生成阶段（召回阶段）和排序阶段，如下图所示：

本文我们主要关注召回阶段，在这一阶段，通常是多种策略并行，如协同过滤、基于上下文的召回等等。在百度的系统中，最广泛使用的召回的方式是双塔模型。从数据层面来看，训练一个合适的召回模型，面临如下几方面的挑战：

1）样本选择偏差：召回阶段模型训练的样本是经过排序阶段后最终展示给用户的，仅有一小部分的广告会展示给用户。但模型需要对整个广告队列进行预测，二者存在样本选择偏差。
2）真实的广告曝光分布通常是长尾的，一小部分广告占据了大部分的曝光，这些广告通常有更高的出价，具有更高的ecpm。但由于大部分曝光的广告没有被用户点击，这些高价值的广告通常多次被标记为负样本，其召回概率也降低，平台的收益也会随之下降。
3）曝光但未点击的广告，并不一定是真正的负样本。在广告系统中，一个广告未被点击通常出于多方面的原因，并不能直接认为这些广告与用户兴趣不匹配。
4）广告点击率低，导致样本中正分样本的数量差距较大，正样本比较稀疏。

对于以上几