计算广告核心问题和挑战

在线广告的核心计算问题
计算广告的目标：
                
                
Find the best match between a given user in a given context and a suitable advertisement
从优化角度来看
 * 特征提取：受众定向
 * 微观优化：CTR预测
 * 宏观优化：竞价市场机制
 * 受限优化：在线分配
 * 强化学习：探索与利用
 * 个性化重定向：推荐技术
从系统角度来看
 * 候选查询：实时索引
 * 特征存储：NoSQL技术
 * 离线学习：Hadoop
 * 在线学习：流计算
 * 交易市场：实时竞价
在线广告计算的主要挑战
大规模（Scale）
 * 百万量级的页面，十亿量级的用户
 * 高并发在线投放系统（Rightmedia）
 * Latency的严格要求（ad exchange要求竞价在100ms以内返回）
动态性（Dynamics）
 * 用户的关注和购物兴趣非常快速的变化
丰富的查询信息（Rich Query）
 * 需要把用户和上下文中多样的信号一起用于检索广告候选
探索与发现（Explore & Exploit）——强化学习
 * 用户反馈数据局限于在以往投放中出现过的(a,u,c)组合，需要主动探索未观察到的领域，以提高模型的正确性
来源：网易云课堂第1章第6课时