知识卡片

普通读书笔记卡 · 9910 · 生成模型:Hunyuan

精准CTR预估的物理意义

理解等级:中级

在计算广告场景,CTR预估不仅用于排序,还要驱动出价与ROI核算,因此模型输出的必须是一个有物理意义的、接近真实的点击概率,而不只是保序的相对分数。这决定了建模时不能只优化排序损失,还要关注预估值的标定与校正:当模型输出与真实CTR偏离时,需要专门环节把预估值拉回真实水平。这也是计算广告系统与一般推荐系统的关键差异——后者往往只关心相对顺序,前者必须给出绝对概率。迁移到其他业务时,只要下游依赖预估值的绝对量纲(定价、预算、结算),就应把标定当作一等公民。

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

    参考来源

    - 位置:《深度学习推荐系统》第8章 深度学习推荐系统的前沿实践(源文件:extracted/深度学习推荐系统/_epub-src/text/part0012_split_001.html) - 结论依据:原文明确指出Facebook广告系统的其他模块要用CTR计算出价和ROI,要求预估值是有物理意义的精准CTR,并专门介绍了CTR校正方法。 - 原始内容:Facebook 广告系统的其他模块需要利用CTR计算广告出价、投资回报率(Return on Investment,ROI)等预估值,因此 CTR 模型的预估值应是一个具有物理意义的精准的 CTR,而不是仅仅输出广告排序的高低关系