TL;DR 本文是LinkedIn发表在CIKM 2020上的文章，主要内容是基于曝光行为来做Pacing，控制预算消耗，帮助广告主触达更广泛的人群。 问题背景 LinkedIn的工作搜索和推荐服务的目标是帮助LinkedIn会员寻找下一份好工作，会基于求职人员的兴趣和技能推荐工作机会，同时求职者也可以主动搜索相关工作机会。向求职者推荐的工作大部分都是会基于其与求职者对的相关性进行推荐，同时Lin ...

TL;DR, 本文感觉像是一篇大作业文章，应该还不是终稿，有很多typo而且写得不那么易懂，但Stefan Wager是作者之一。主要讨论两个常见的用于估计“异质处理效应”（HTE）的forest模型，causal forest和model-based forest，这两个模型之间的差异，以及是什么技巧使得这两个模型效果非常好。 结论是，当存在较强confounding时，对于是否施加treatm ...

一年香 时间飞快，来杭也一年了，今天整理一下对这一年的思考与复盘。 关于工作 感觉在阿里（目前在淘特，可能阿里不同BU情况也不同，下简称阿里）的第一年，对当下互联网公司算法的工作职责有了更深的理解，或者说是纠正了之前的一些理解。同时，我一直认为“看见”得更多，才能“思考”得更多，当有机会跳出当前环境看见更多不一样的事情，才有机会思考是什么造成了这些差异，以及哪些是更适合自己的。 电商平台 和 ...

TL;DR 本文提出一种通用的智能出价框架，可以满足不同广告主关于竞价目标和约束的诉求，具体出价调控算法的实现为DDPG，目前该算法已经在淘宝广告平台部署使用。 Abstract In online display advertising, advertisers usually participate in real- time bidding to acquire ad impression ...

TL;DR LinkedIn发表在KDD2020上的文章，主要想解决在信息流中，如何将自然推荐物品和广告进行混排的问题，文中将该问题建模为带约束的优化问题，并提出了一种归并排序的方式。 目前这种方法及其衍生版本、简化版本，在日常工作中都非常常见，基本可以作为自然推荐和广告混排问题的baseline solution了。 摘要 Social networks and content publish ...

TL;DR, 预算约束+效率成本约束下，最优广告出价策略，双PID在线调节超参数（对偶变量） 摘要 Real-Time Bidding (RTB) is an important paradigm in display advertising, where advertisers utilize extended information and algorithms served by Dema ...

TL;DR, 很早期的阿里妈妈在广告出价方向的实践，细节比较多，很适合做baseline。 但很多做法以及解法在今天来看都比较过时了，后续会逐渐写近几年怎么做出价问题的。 摘要 Taobao, as the largest online retail platform in the world, provides billions of online display advertising im ...

这篇文章是广告预算控制平滑的第二篇经典文章解读，来自Yahoo，KDD2015。 与之前LinkedIn那篇文章类似，这篇文章也是用概率节流的方式进行预算控制，同时这篇文章考虑有无效率保障情况下，如何平滑预算消耗。 摘要 In targeted online advertising, advertisers look for maximizing campaign performance und ...

最近恶补了一波广告相关文章，本文是预算控制平滑方面很经典的文章之一，由LinkedIn团队发表在KDD2014上。 摘要 Targeted online advertising is a prime source of revenue for many Internet companies. It is a common industry practice to use a generalize ...

最近要做一些和广告出价相关的工作，恶补了一下广告相关的知识，这篇文章是WWW2020 腾讯的文章，解决广告场景下的概率校准问题。 问题背景 如果一个模型的概率预测值等于真实的输出，那么就可以说这个机器学习模型是校准良好的（well-calibrated）。当模型在一个测试数据集或者其任意子集上，如果估计概率值为\(p\)，那么实际结果中\(y=1\)的样本占比也应该为\(p\)​。 在很多场景上， ...