深度学习核心技术精讲100篇(二十三)-深度学习系列计算广告与推荐系统有哪些区别?使用的主流模型有哪些?

计算广告与推荐系统虽然有联系,但核心问题不同,前者关注三方利益协调,后者注重用户体验。计算广告涉及CTR模型、Bidding策略等,推荐系统则需处理探索与利用、冷启动问题。目前广告算法主流模型包括LR、FM、FFM、GBDT+LR、DNN、双塔模型、Wide and Deep系列、Deep Interest Network等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

计算广告与推荐系统有哪些区别?

 

这两个领域的联系大于区别,区别的根本在于两个领域尝试解决的问题是不同的。

  • 对于计算广告来说,本质上要处理的是三方利益的协调问题,这三方分别是广告主、用户和媒体。

  • 对于推荐系统来说,本质上要处理的是用户体验的问题。

正是因为要处理问题的不同,导致了两个领域思考方式的不同。比如同样是构建一个CTR模型:

  • 对于计算广告系统来说,站的角度更多的是用这个CTR模型产生更多的收益,那么在使用的时候就更偏向于将CTR高的广告全都排在前面。

  • 而对于推荐系统来说,在使用CTR模型的时候,就不适宜全部按照CTR来进行内容排序。而是要兼顾内容的多样性,新颖性,和流行度。因为推荐系统的核心是用户体验,如果涸泽而渔的全部用根据用户行为历史生成的推荐内容,很容易让用户疲倦、透支用户的兴趣。那么为了照顾用户的整体体验并挖掘用户的长期兴趣,就要考虑用户在不同体验阶段的感受和行为特点。

计算广告

再回到计算广告,由于广告系统处理的是一个三方利益的协调问题,那么为了"协调",就诞生了很多相关且必要的技术。比如,"协调"的本质其实一种博弈方式,广告主和媒体关于价格的博弈,广告主之间的价格博弈,正是这种博弈的存在,使得计算广告一定要去关注基于博弈论的bidding策略。而且为了"协调"广告主、媒体的相关操作,诞生了支持性的相应模块,去处理广告排期、定向、预算控制等模块,这里面当然涉及大量算法和模型,比如处理广告排期需要最

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

文宇肃然

精神和物质鼓励你选一个吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值