视觉信息助力广告点击率预估 京东广告团队技术论文入围KDD2020

工业级广告CTR预估系统需要满足线下快速训练和线上低延迟服务两项重要技术要求。 然而，由于CNN的运算速度远远慢于CTR预估系统的其他模块，它可能成为整个CTR预估系统的运算瓶颈。所以，在实际CTR预估系统中应用CNN来提取图像特征通常是极为困难的。

现有的商品主图特征提取模块，绝大多数搬迁自经典的、原本用于图像分类的CNN结构。在原本的图像分类任务中，图像的类别是未知的、待预测的，因此这些CNN结构并没有把图像的类别作为输入。而在CTR预估中，电商商品的类别是被清晰的标注的，并且极有可能含有能辅助图像特征提取的，丰富的视觉先验。在业界常用的，视觉特征与非视觉特征“后融合”的结构中，CNN没有有效利用“商品类别”这一重要信息，从而可能提取到与当前类目无关的特征，浪费了CNN有限的表达能力。相反，如果我们能设计一种新的CNN结构，有效利用商品类别信息，那么提取到的基于特定类目的视觉特征，会极大地降低CNN的训练难度。

三、我们的算法原理：

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!