推荐系统遇上深度学习(一三八)-[阿里]广告点击率预估中的外部性建模

今天给大家分享的是阿里在KDD2022上中稿的论文。过往的广告点击率预估主要考虑广告本身的特征，而忽略了相邻展示的其他商家对其的影响，因此本文的出发点主要是广告点击率预估中的外部性建模。同时，针对点击率预估时由于广告展示位置不确定所带来的外部性多样和不确定的问题，设计了针对性的解决方案，一起来看一下。

1、背景

阿里搜索广告场景下，自然结果和广告结果混合展示。两部分展示的item分别由自然系统(organic search system,OS)和广告系统(search advertising system,AS)确定。OS的主要目标是优化用户体验，而AS的主要目标则是最大化平台收入以及商家ROI。在阿里搜索场景下，自然排序结果首先由OS给出，然后AS再将广告结果插入到固定的槽位中。

因此，我们可以得到两点信息，一方面，OS和AS是串行调用的，AS进行预估时，是可以拿到准确的自然结果排序信息，另一方面，广告是固定位插入的，而非像之前介绍的美团的CrossDQN是浮动位插入的。广告系统AS整体架构如下图所示：

可以看到，AS包含三个阶段，分别是召回、预估和拍卖，本文重点关注预估部分。过往的点击率预估模型