← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9820.c · 生成模型:DeepSeek-V4.1-Flash

广告召回的三条通路

理解等级:中级

广告召回不是单一策略,而是几条互补的通路并行跑,再把结果合并去重后交给过滤与粗排。按信号来源可以分三类。

通路 具体做法 依赖的数据
上下文召回 图片向量化后算广告商品与图片相似度;标题走文本分类;广告主自设地域标签后做区域标签匹配 当前页面/请求的媒体信息
用户行为召回 历史行为建画像成兴趣标签(布尔召回);历史查询走 NLP 模型;广告主回传行为用 Item CF、ALS、Neural MF 用户历史与广告主回传
深度召回 把人群属性、群体特征、上下文特征一起喂进深度模型产出候选 多源特征

三条路的差别在「什么时候有效」:上下文召回对新用户也成立,但粒度粗;行为召回准,但依赖行为密度,冷用户几乎失效;深度召回表达能力最强,可需要足够样本训练,且要能在毫秒级完成向量检索。线上通常是按用户状态加权——新用户靠上下文,老用户靠行为,中间地带靠深度模型兜。

召回之后还有一道过滤(规则、黑白名单、预算控制),再进粗排打分,这个顺序决定了被预算耗尽的广告不该占用排序算力。

参见 [[广告冷启动的两条路]]、[[粗排与精排的分工由算力预算决定]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第12章 推荐应用实战:基于广告的推荐 · 查看原书依据

      第一种是基于图片的,即将图片向量化,通过计算广告商品与图片向量的相似度进行召回;第二种是基于标题的,主要是基于文本分类模型进行召回;第三种是基于位置的,广告主自身设定某个标签区域进行投放,在该区域内进行标签匹配召回。

    参考来源

    - 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第12章 推荐应用实战:基于广告的推荐(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0156.html) - 结论依据:原文逐条列出一类召回的具体实现方式,并说明这些策略与推荐系统的召回基本一致,支撑通路分类表。 - 原始内容:第一种是基于图片的,即将图片向量化,通过计算广告商品与图片向量的相似度进行召回;第二种是基于标题的,主要是基于文本分类模型进行召回;第三种是基于位置的,广告主自身设定某个标签区域进行投放,在该区域内进行标签匹配召回。