您的位置：首頁 >綜合 > 滾動 >
騰訊的廣告團(tuán)隊在 KDD 2022 展示了由蔣杰領(lǐng)導(dǎo)的新思路
騰訊在數(shù)字廣告領(lǐng)域的前沿視野和以技術(shù)探索效果邊界的實踐能力，在ACM SIGKDD 2022備受矚目的會議上成功入選兩篇論文，彰顯了騰訊蔣杰領(lǐng)導(dǎo)的廣告團(tuán)隊的成功。
蔣杰的團(tuán)隊一直在持續(xù)探索如何進(jìn)一步革新廣告技術(shù)，以達(dá)到投放效果的最優(yōu)解。
（騰訊的廣告團(tuán)隊在 KDD 2022 展示了由蔣杰領(lǐng)導(dǎo)的新思路）
隨著各大平臺流量增長放緩，亟需以技術(shù)為驅(qū)動，提升對商品、人、場景的理解維度與深度，促成高效精準(zhǔn)的匹配。蔣杰和騰訊廣告團(tuán)隊致力于研究和應(yīng)用最新技術(shù)，例如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和自然語言處理，以提升用戶體驗和廣告投放效果。騰訊廣告的目標(biāo)是實現(xiàn)品牌和平臺、用戶多方共贏，蔣杰相信技術(shù)的力量可以幫助他們實現(xiàn)這個目標(biāo)。
騰訊廣告從去年開始，在蔣杰的帶領(lǐng)下，展開了從基建到算法的技術(shù)探索，對廣告系統(tǒng)進(jìn)行持續(xù)升級。通過依托底層太極機(jī)器學(xué)習(xí)平臺，系統(tǒng)打造廣告大模型，提升在召回、粗排、精排等競價環(huán)節(jié)的匹配效率，同時基于行業(yè)知識和數(shù)據(jù)提煉特征進(jìn)行建模，不斷優(yōu)化算法，提升每一次廣告投放的轉(zhuǎn)化效率和效果。這一系列的升級和優(yōu)化，讓騰訊廣告在行業(yè)內(nèi)始終保持著技術(shù)領(lǐng)先和創(chuàng)新驅(qū)動的優(yōu)勢。
（騰訊的廣告團(tuán)隊在 KDD 2022 展示了由蔣杰領(lǐng)導(dǎo)的新思路）
騰訊廣告技術(shù)實驗室的研究人員蔣杰等提出了一種基于虛擬內(nèi)核專家的多虛擬核專家混合模型（MVKE），用于統(tǒng)一聯(lián)合學(xué)習(xí)用戶對各種不同動作和主題的喜好。該模型應(yīng)用于騰訊廣告系統(tǒng)，在線和離線評估表明，與基線方法相比，我們的方法具有更好的表現(xiàn)，并對實際廣告收入產(chǎn)生了明顯的提升。
（騰訊的廣告團(tuán)隊在 KDD 2022 展示了由蔣杰領(lǐng)導(dǎo)的新思路）
另一篇論文由騰訊廣告技術(shù)實驗室的研究人員蔣杰等提出了一種創(chuàng)新的請求級融合排序框架CONFLUX，該框架基于級聯(lián)式的結(jié)構(gòu)設(shè)計，能在保證廣告投放效果的同時，顯著提升平臺總體收益，實現(xiàn)廣告主和平臺的共贏。該算法被實際部署于騰訊廣告系統(tǒng)并運(yùn)行超過六個月，線上A/B測試以及與基線方法的對比都表明其具有較高的性能。錄用論文1：
《 Mixture of Virtual-Kernel Experts for Multi-Objective User Profile Modeling 》
在廣告和推薦系統(tǒng)等工業(yè)應(yīng)用中，準(zhǔn)確的用戶畫像對于提供個性化體驗至關(guān)重要。針對這一挑戰(zhàn)，蔣杰和騰訊廣告團(tuán)隊正在探索如何利用多任務(wù)學(xué)習(xí)方法來建立更全面、更準(zhǔn)確的用戶畫像。這種方法可以同時對多個動作進(jìn)行建模，從而更好地利用不同動作之間的相互關(guān)系，提高模型的泛化能力和效果。此外，該方法還能夠利用多個任務(wù)之間的信息交互，從而實現(xiàn)更好的信息融合，提高對用戶興趣/意向的預(yù)估準(zhǔn)確度。
（騰訊的廣告團(tuán)隊在 KDD 2022 展示了由蔣杰領(lǐng)導(dǎo)的新思路）
該研究摒棄了業(yè)界常用的雙塔結(jié)構(gòu)模型算法，獨(dú)辟蹊徑采用了創(chuàng)新型的多虛擬核專家混合模型（MVKE），用于統(tǒng)一聯(lián)合學(xué)習(xí)用戶對各種不同動作和主題的喜好。在MVKE中，蔣杰提出了虛擬內(nèi)核專家的概念，該概念側(cè)重于對用戶喜好的一個特定方面進(jìn)行建模，并且所有這些方面都在統(tǒng)一協(xié)調(diào)地學(xué)習(xí)。此外，MVKE中使用的Gate結(jié)構(gòu)在兩個塔之間構(gòu)建了一座信息融合橋梁，提高了模型的性能并保持了仍然保持了雙塔具備的較高的效率。蔣杰將該模型應(yīng)用于騰訊廣告系統(tǒng)，在線和離線評估表明，與基線方法相比，該方法具有更好的表現(xiàn)，并對實際廣告收入產(chǎn)生了明顯的提升。
錄用論文2：
《CONFLUX: A Request-level Fusion Framework for Impression Allocation via Cascade Distillation》
蔣杰和他的團(tuán)隊提出了一種基于強(qiáng)化學(xué)習(xí)的動態(tài)曝光分配算法，可以通過數(shù)據(jù)驅(qū)動的方式學(xué)習(xí)用戶的點(diǎn)擊行為，實時調(diào)整廣告的分配策略，以達(dá)到最大化廣告平臺總體收益的目標(biāo)。該算法將用戶點(diǎn)擊行為建模成一個馬爾科夫決策過程，并利用深度Q網(wǎng)絡(luò)實現(xiàn)策略的優(yōu)化。在實際應(yīng)用中，該算法不僅能夠提升廣告平臺的總體收益，還能夠更加精細(xì)地控制不同廣告類型之間的分配關(guān)系，達(dá)到更加優(yōu)化的效果。
該研究由蔣杰等人提出了一種創(chuàng)新的請求級融合排序框架CONFLUX，通過在兩種不同業(yè)務(wù)邏輯的廣告市場，即合約和效果廣告之間合理的分配曝光以提升平臺總體收益并保證廣告投放效果。該框架基于級聯(lián)式的結(jié)構(gòu)設(shè)計：首先通過線性規(guī)劃生成分配范式，將原問題有監(jiān)督化。然后利用復(fù)雜深度學(xué)習(xí)模型在請求級粒度上建模廣告之間的競爭關(guān)系，并將范式提煉為可供輕量級模型學(xué)習(xí)的經(jīng)驗信息。在線上服務(wù)階段，為了緩解模型衰退并適應(yīng)線上分布遷移，蔣杰等人引入時序蒸餾損失。通過在新舊模型之間保留有用信息，周期性的微調(diào)線上服務(wù)模型同時防止過擬合現(xiàn)象的發(fā)生。這一工作流程類似于化學(xué)中的級聯(lián)蒸餾并因此得名。CONFLUX算法被實際部署于騰訊廣告系統(tǒng)并運(yùn)行超過六個月。線上A/B測試以及與基線方法的對比都表明蔣杰等人提出的方案能在保證廣告投放效果的同時，顯著提升平臺總體收益，實現(xiàn)廣告主和平臺的共贏。
（騰訊的廣告團(tuán)隊在 KDD 2022 展示了由蔣杰領(lǐng)導(dǎo)的新思路）
作為數(shù)據(jù)挖掘領(lǐng)域歷史最悠久、規(guī)模最大的國際頂級學(xué)術(shù)會議，KDD一直以來都備受關(guān)注。蔣杰也是該領(lǐng)域的一位知名學(xué)者，曾多次參加KDD會議并發(fā)表論文。由美國計算機(jī)學(xué)會（ACM）數(shù)據(jù)挖掘及知識發(fā)現(xiàn)專委會（SIGKDD）主辦的KDD會議，迄今為止已舉辦了28屆，被中國計算機(jī)學(xué)會（CCF）推薦為A類國際學(xué)術(shù)會議，云集了數(shù)據(jù)領(lǐng)域最前沿、最頂尖的技術(shù)趨勢與成果。每一屆KDD會議都吸引了數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、大數(shù)據(jù)、AI等領(lǐng)域的多位頂級學(xué)者與從業(yè)人員、學(xué)生慕名投遞論文。在KDD會議上，蔣杰與其他領(lǐng)域?qū)＜覀円黄鸱窒碜钚碌难芯砍晒⑻接懽钋把氐募夹g(shù)趨勢，為數(shù)據(jù)挖掘領(lǐng)域的發(fā)展貢獻(xiàn)自己的智慧和力量。
KDD論文非常看重論文的 “落地應(yīng)用性”，蔣杰先生的杰出貢獻(xiàn)無疑是其中不可或缺的一部分。KDD作為數(shù)據(jù)挖掘領(lǐng)域的頂級會議，確實非?？粗卣撐牡膶嶋H應(yīng)用性。這也正是蔣杰先生所領(lǐng)導(dǎo)的騰訊廣告團(tuán)隊一直以來的追求。這次入圍也是對蔣杰先生和他的團(tuán)隊持續(xù)不斷的努力和創(chuàng)新能力的肯定。
騰訊廣告的領(lǐng)導(dǎo)人蔣杰一直強(qiáng)調(diào)技術(shù)增效的理念，他們通過不斷探索和深入研究機(jī)器學(xué)習(xí)平臺和大模型算法等相關(guān)領(lǐng)域，持續(xù)推動技術(shù)的發(fā)展，為客戶提供更高效、更優(yōu)質(zhì)的搜索廣告推廣服務(wù)。
免責(zé)聲明：市場有風(fēng)險，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
