亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        人工智能時(shí)代的互聯(lián)網(wǎng)廣告:基于深度學(xué)習(xí)技術(shù)的廣告推薦系統(tǒng)

        2020-02-11 12:31:07林曉穎
        關(guān)鍵詞:個(gè)性化深度特征

        林曉穎

        (上海杉達(dá)學(xué),上海 201209)

        自20 世紀(jì)90 年代以來(lái),互聯(lián)網(wǎng)廣告發(fā)展勢(shì)頭迅猛。根據(jù)“2018 年中國(guó)網(wǎng)絡(luò)市場(chǎng)年度監(jiān)測(cè)報(bào)告”,2017 年中國(guó)網(wǎng)絡(luò)廣告市場(chǎng)規(guī)模達(dá)到3750.1 億元,同比增長(zhǎng)32.9%。其中,移動(dòng)廣告市場(chǎng)達(dá)到2549.6 億元,是絕對(duì)的市場(chǎng)主流;電子商務(wù)網(wǎng)站的廣告份額超過30%,超過搜索廣告。以信息流廣告為主要形式的原生廣告發(fā)展迅猛,其總規(guī)模達(dá)到688.8 億元,占網(wǎng)絡(luò)廣告總量的18.4%。

        在信息爆炸的時(shí)代,為了減輕信息過載給人們帶來(lái)的選擇等方面困惑,推薦系統(tǒng)應(yīng)運(yùn)而生,在電子商務(wù)、信息分發(fā)、項(xiàng)目建議、搜索引擎、網(wǎng)絡(luò)新聞和社交媒體中等領(lǐng)域廣泛應(yīng)用,在為人們的生活帶來(lái)極大便利的同時(shí),也促進(jìn)了經(jīng)濟(jì)的快速發(fā)展。Overstock 是美國(guó)著名的在線零售商,該公司聲稱,在初步采用個(gè)性化廣告推薦系統(tǒng)后,“廣告點(diǎn)擊率是以前的兩倍,銷售增長(zhǎng)也高達(dá)20%至30%”的驚人成果。有調(diào)查表明:亞馬遜的總銷售額中的35%來(lái)自系統(tǒng)推薦;YouTube 上60%的視頻點(diǎn)擊來(lái)自于主頁(yè)推薦;Netflix 觀看的電影中有80%來(lái)自公司的推薦系統(tǒng);早在2012 年,谷歌就通過廣告推薦系統(tǒng)獲得了420 億美元的收入; 百度和淘寶的廣告推薦系統(tǒng)每年可為公司帶來(lái)超過100 億元的收入;今日頭條于2012年創(chuàng)建,之所以能夠在短短幾年之內(nèi)迅速發(fā)展起來(lái),推薦系統(tǒng)同樣功不可沒。

        一、廣告推薦系統(tǒng):人工智能時(shí)代的廣告投放

        廣告投放是為了使廣告與受眾群體的需求相匹配。由于受眾需求的多樣性,如何準(zhǔn)確地分割受眾的需求是廣告要解決的關(guān)鍵問題。在傳統(tǒng)媒體投放廣告,廣告主只能通過媒體的種類、版面、頻道的不同來(lái)間接地推斷受眾的需求,如在汽車雜志刊登奔馳轎車的廣告,在肥皂劇前播放女性洗護(hù)用品廣告。然而,這樣的廣告投放的方式存在著精準(zhǔn)率不高的問題:同一媒體有數(shù)千萬(wàn)名受眾,但卻面臨相同的廣告。但是,隨著計(jì)算機(jī)技術(shù)的發(fā)展,特別是人工智能技術(shù)的發(fā)展和成熟,互聯(lián)網(wǎng)廣告具備了解決投放不夠精準(zhǔn)這一難題的能力,把廣告信息在合適的場(chǎng)景投放給恰當(dāng)?shù)挠脩簟?/p>

        廣告推薦系統(tǒng)主要是根據(jù)用戶的需求、興趣喜好、購(gòu)買特點(diǎn)等方面,模擬銷售人員向用戶提供項(xiàng)目(包括商品、圖片、新聞等)信息和建議,幫助用戶決定應(yīng)該選擇或購(gòu)買何種項(xiàng)目,在流量高效利用、信息高效分發(fā)、提升用戶體驗(yàn)、長(zhǎng)尾物品挖掘等方面均起著核心作用。傳統(tǒng)的推薦系統(tǒng)主要使用最近鄰法、協(xié)同過濾、基于內(nèi)容和多種組合等方法進(jìn)行推薦,主要是對(duì)用戶與項(xiàng)目的顯性反饋(如購(gòu)買、評(píng)級(jí)或評(píng)論)進(jìn)行建模,對(duì)復(fù)雜的隱性反饋(如瀏覽記錄、觀看廣告視頻、點(diǎn)擊查看)卻涉及很少,存在數(shù)據(jù)稀疏、冷啟動(dòng)等推薦效果不佳、用戶體驗(yàn)較差的問題。

        人工智能(AI)已成為一個(gè)具有許多實(shí)際應(yīng)用和活躍研究課題的領(lǐng)域,并且正在蓬勃發(fā)展。智能系統(tǒng)可以自動(dòng)處理日常勞動(dòng),理解語(yǔ)音或圖像,幫助醫(yī)療診斷,并支持基礎(chǔ)科學(xué)研究。近年來(lái),深度學(xué)習(xí)一直是人工智能領(lǐng)域最受推崇的技術(shù)。深度學(xué)習(xí)是一種通過多層神經(jīng)網(wǎng)絡(luò)提取低級(jí)簡(jiǎn)單特征以形成高級(jí)抽象和難以改變的特征的技術(shù)。基于深度推薦的廣告推薦系統(tǒng)可以由神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(主要由輸入層,若干隱藏層和輸出層組成。每層有幾個(gè)神經(jīng)元,神經(jīng)元之間有連接權(quán)重。每個(gè)神經(jīng)元模仿人類神經(jīng)細(xì)胞,節(jié)點(diǎn)之間的連接模仿神經(jīng)細(xì)胞之間的聯(lián)系)和非線性激發(fā)函數(shù),自動(dòng)學(xué)習(xí)用戶與項(xiàng)目(包括商品、新聞、視頻、音樂等)特征之間復(fù)雜的組合關(guān)系,解決了傳統(tǒng)推薦系統(tǒng)中需要人工設(shè)計(jì)特征的問題,技能提高效率,同時(shí)也更準(zhǔn)確地提出個(gè)性化建議。繼谷歌、亞馬遜、Facebook 和Twitter 等互聯(lián)網(wǎng)巨頭之后,阿里巴巴、騰訊、百度和京東也都建立了自己的人工智能研究機(jī)構(gòu)。

        二、深度學(xué)習(xí)技術(shù)對(duì)互聯(lián)網(wǎng)廣告的影響

        1、廣告點(diǎn)擊率預(yù)測(cè)更精準(zhǔn)

        搜索引擎廣告(SEA)是指廣告商基于其產(chǎn)品或服務(wù)的特征,確定產(chǎn)品的相關(guān)關(guān)鍵字詞、標(biāo)題或產(chǎn)品說(shuō)明,并自行出價(jià)和投放的廣告。當(dāng)用戶搜索的內(nèi)容與廣告商購(gòu)買的關(guān)鍵字詞相關(guān)時(shí),廣告媒體將在搜索結(jié)果頁(yè)面上顯示其廣告,用戶在點(diǎn)擊后,根據(jù)收費(fèi)規(guī)則向廣告商收費(fèi)。支持搜索引擎廣告的最關(guān)鍵性的技術(shù)是預(yù)測(cè)廣告的點(diǎn)擊率。隨著互聯(lián)網(wǎng)推薦系統(tǒng)技術(shù)的發(fā)展,基于人工智能技術(shù)的精準(zhǔn)廣告已成為網(wǎng)絡(luò)廣告推薦的主流趨勢(shì)。廣告主首先要評(píng)估用戶對(duì)廣告的喜好程度,然后向廣告平臺(tái)進(jìn)行程序化購(gòu)買和投放搜索引擎廣告。此時(shí),廣告的點(diǎn)擊率就成了評(píng)估用戶喜好的一個(gè)關(guān)鍵指標(biāo)。

        過去,評(píng)估點(diǎn)擊率的技術(shù)主要有兩種,一種是設(shè)計(jì)特征提取方案以獲取特征,第二種是建模用戶點(diǎn)擊行為。由于廣告數(shù)據(jù)具有高維稀疏性的特點(diǎn),并且各種特征之間存在高度非線性關(guān)系,因此以前的技術(shù)方案存在許多缺點(diǎn),比如,不能有效地降低數(shù)據(jù)的稀疏性,找不到廣告數(shù)據(jù)中的隱藏規(guī)則。深度學(xué)習(xí)技術(shù)則可以解決這一難題,通過刻畫數(shù)據(jù)中的非線性關(guān)聯(lián),來(lái)解決高維稀疏廣告數(shù)據(jù)的特征學(xué)習(xí)問題。有學(xué)者已經(jīng)進(jìn)行了基于特征學(xué)習(xí)的廣告點(diǎn)擊率預(yù)測(cè)技術(shù)的相關(guān)研究,并從實(shí)驗(yàn)的角度研究了基于深度學(xué)習(xí)的特征學(xué)習(xí)方法。實(shí)驗(yàn)先是分析了輸入層的特征構(gòu)成,并結(jié)合棧式自編碼網(wǎng)絡(luò)算法學(xué)習(xí)特征之間的高階組合特征,作為點(diǎn)擊預(yù)估模型的訓(xùn)練對(duì)象。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法可以有效提高廣告點(diǎn)擊率的估計(jì)準(zhǔn)確率。

        2、推薦內(nèi)容更精準(zhǔn)

        深度學(xué)習(xí)能直接從大規(guī)模數(shù)據(jù)集中提取用戶和待推薦項(xiàng)目之間復(fù)雜依賴和非線性關(guān)系,達(dá)到更精準(zhǔn)推薦的效果。YouTube 是全球創(chuàng)建、分享和發(fā)現(xiàn)視頻內(nèi)容的最大平臺(tái),全球用戶已超過10 億,每秒上傳的視頻長(zhǎng)度以小時(shí)計(jì)。YouTube的推薦系統(tǒng)負(fù)責(zé)及時(shí)準(zhǔn)確地向用戶推薦他們可能感興趣的視頻,使其成為世界上最大、最復(fù)雜的推薦系統(tǒng)之一。傳統(tǒng)的推薦算法無(wú)法及時(shí)分析YouTube 量級(jí)視頻,并且無(wú)法為獨(dú)立用戶準(zhǔn)確地提出建議。YouTube 的工程師們把多層感知機(jī)(multilayer perceptron,MLP)應(yīng)用到Y(jié)ouTube 推薦上。相比其他商業(yè)推薦系統(tǒng),該系統(tǒng)需要處理超大數(shù)據(jù)量、視頻庫(kù)不斷更新變化以及用戶行為的不可觀測(cè)性等問題。整個(gè)模型的深層網(wǎng)絡(luò)配置可能需要學(xué)習(xí)數(shù)十億個(gè)參數(shù),并需要使用數(shù)千億個(gè)數(shù)據(jù)進(jìn)行培訓(xùn)。這個(gè)系統(tǒng)由兩個(gè)神經(jīng)網(wǎng)絡(luò)組成:第一個(gè)從所有的視頻庫(kù)中檢索產(chǎn)生寬泛的針對(duì)用戶的個(gè)性化推薦候選視頻集;第二個(gè)基于候選視頻集(不局限第一個(gè)神經(jīng)網(wǎng)絡(luò)的輸出,還可以使用其他來(lái)源產(chǎn)生的候選視頻)進(jìn)行精細(xì)的區(qū)分、細(xì)化、排序,將排名靠前的視頻推薦給用戶。實(shí)際的線上效果顯示,YouTube 基于深度學(xué)習(xí)的推薦系統(tǒng)完全可以勝任實(shí)時(shí)處理海量(百萬(wàn)量級(jí))視頻,且將個(gè)性化的或有吸引力的視頻推薦給用戶的任務(wù),整個(gè)過程僅耗時(shí)幾十微秒。

        3、提升推薦的個(gè)性化效果

        深度學(xué)習(xí)技術(shù)可從不同的異構(gòu)數(shù)據(jù)源(例如文本,圖像,音樂,視頻等非結(jié)構(gòu)化數(shù)據(jù))獲取有用數(shù)據(jù),有效提升了個(gè)性化效果。在社交媒體中,為了提升用戶體驗(yàn),方便用戶編輯、組織、歸類和搜索圖片及音視頻等資源,通常是通過為資源標(biāo)記相關(guān)標(biāo)簽完成的。由于標(biāo)簽代表了用戶對(duì)其資源的理解角度,因此用戶的推薦標(biāo)簽列表實(shí)際上是一個(gè)包含其“最喜愛”關(guān)鍵字的個(gè)性化列表。人們通常選擇與內(nèi)容或上下文相關(guān)的詞語(yǔ),如地點(diǎn)或時(shí)間來(lái)注釋圖像。傳統(tǒng)的大多數(shù)圖像標(biāo)簽推薦系統(tǒng)并不考慮上傳圖像提供的附加信息,而僅僅依賴文字信息,或者利用簡(jiǎn)單的低級(jí)圖像特征(基于用戶、建議在項(xiàng)目與標(biāo)簽之間的關(guān)系之間,或僅基于標(biāo)簽的相關(guān)信息)。對(duì)于沒有歷史信息的新圖像,傳統(tǒng)的依據(jù)個(gè)性化標(biāo)簽推薦的效率并不高?;谏疃葘W(xué)習(xí)的圖像標(biāo)簽推薦系統(tǒng)可以使用在圖像識(shí)別和分類領(lǐng)域表現(xiàn)優(yōu)異的卷積神經(jīng)網(wǎng)絡(luò),以監(jiān)督學(xué)習(xí)的方式從圖像中獲得視覺特征。實(shí)驗(yàn)數(shù)據(jù)表明,與使用傳統(tǒng)方法表示的視覺特征,或者僅基于標(biāo)記歷史信息的最先進(jìn)的個(gè)性化標(biāo)簽推薦模型相比,以這種方式選擇的圖像特征進(jìn)行推薦將大大提高推薦的精準(zhǔn)度。

        在推薦系統(tǒng)中經(jīng)常需要處理各種文本類數(shù)據(jù),例如商品描述、新聞資訊、用戶留言等等。相比結(jié)構(gòu)化信息(例如商品的屬性等),文本類數(shù)據(jù)的特點(diǎn)有:第一,結(jié)構(gòu)化信息量非常少,信息量也具有不確定。例如不同用戶對(duì)同一件商品的描述可能在用詞、文本長(zhǎng)短等方面差異很大。第二,信息雖然及時(shí),但易引起歧義,自動(dòng)化分析難度較大。在一些新名詞、新事物出現(xiàn)之后,微博、朋友圈通常是最先能夠反映出變化的地方,而這些大多都是純文本數(shù)據(jù)。對(duì)這些數(shù)據(jù)的分析能夠最快得到結(jié)構(gòu)化、預(yù)定義數(shù)據(jù)無(wú)法得到的信息。

        騰訊效果廣告平臺(tái)部使用基于詞嵌入(word embedding)的一系列神經(jīng)語(yǔ)言模型(Neural Language Model,NLM)與神經(jīng)網(wǎng)絡(luò),通過提取用戶語(yǔ)義特征(用戶的搜索、購(gòu)物、瀏覽記錄等文本描述)與廣告語(yǔ)義特征,如廣告標(biāo)題、登錄頁(yè)面(landing page)等文本描述進(jìn)行語(yǔ)義匹配,從而達(dá)到個(gè)性化推薦的目的。文本語(yǔ)義模型被廣泛應(yīng)用于騰訊的各項(xiàng)業(yè)務(wù)中,如文本語(yǔ)義理解、QQ 群推薦、用戶業(yè)務(wù)興趣挖掘,類似用戶擴(kuò)展,廣告點(diǎn)擊率和轉(zhuǎn)換率的預(yù)估等,均取得了不錯(cuò)的效果和業(yè)績(jī)。

        4、提升用戶體驗(yàn)

        深度學(xué)習(xí)可利用上下文信息針對(duì)不同的場(chǎng)景、用戶的位置等調(diào)整待推薦的服務(wù)、產(chǎn)品,提升用戶體驗(yàn)。以美團(tuán)為例,作為中國(guó)最大的生活服務(wù)平臺(tái),其業(yè)務(wù)涵蓋吃、喝、玩、樂、行等領(lǐng)域,擁有數(shù)億用戶和大量用戶行為。由于自身業(yè)務(wù)的多樣性,美團(tuán)點(diǎn)評(píng)的推薦系統(tǒng)與其他大部分推薦系統(tǒng)有很大不同:第一是業(yè)務(wù)形態(tài)多樣性。除了向用戶推薦商戶外,還可以根據(jù)用戶所在的不同場(chǎng)景做出實(shí)時(shí)判斷,以便推薦不同形式的業(yè)務(wù),如團(tuán)購(gòu)、酒店、景點(diǎn)以及霸王餐等。第二是用戶消費(fèi)場(chǎng)景多樣性。若用戶在家,可以選擇外賣服務(wù)。若用戶在外地,可以購(gòu)物或旅行消費(fèi),如預(yù)定酒店。隨著用戶的興趣、位置、環(huán)境、時(shí)間的變化,推薦的場(chǎng)景可能會(huì)發(fā)生變化。

        根據(jù)谷歌于2016 年提出的廣泛深度學(xué)習(xí)模型,美團(tuán)的技術(shù)團(tuán)隊(duì)根據(jù)自身業(yè)務(wù)的需求和特點(diǎn)開發(fā)了一套點(diǎn)評(píng)推薦系統(tǒng)。在該系統(tǒng)中,將應(yīng)用場(chǎng)景的數(shù)據(jù)分為以下幾類:第一類是用戶畫像:性別、所在地、價(jià)格偏好、項(xiàng)目偏好等;第二類是項(xiàng)目畫像:商家、外賣、團(tuán)單等多種項(xiàng)目。其中,商家特征包括商家價(jià)格、商家的好評(píng)率以及商家地理位置等,外賣特征包括平均價(jià)格、交貨時(shí)間和外賣銷售量等。第三類是場(chǎng)景畫像:用戶的當(dāng)前位置、時(shí)間、位置附近的商圈以及基于用戶的上下文場(chǎng)景信息等。實(shí)驗(yàn)結(jié)果表明,與之前使用的推薦系統(tǒng)相比,該系統(tǒng)的準(zhǔn)確度提高了2.96%。同時(shí)也會(huì)根據(jù)當(dāng)前場(chǎng)景推薦一些更有新穎性的項(xiàng)目,更好的提高了用戶體驗(yàn)效果。

        三、結(jié)論及展望

        大數(shù)據(jù)時(shí)代,數(shù)據(jù)量的增加對(duì)現(xiàn)實(shí)應(yīng)用提出了挑戰(zhàn)。事實(shí)證明,深度學(xué)習(xí)在大數(shù)據(jù)分析中非常有效,但在調(diào)整參數(shù)和優(yōu)化模型方面也存在問題。另外,目前大多數(shù)基于深度學(xué)習(xí)的廣告推薦系統(tǒng)關(guān)注的都是推薦的精準(zhǔn)性和個(gè)性化,但只關(guān)注這點(diǎn)還明顯不夠。除了準(zhǔn)確性之外,其他的評(píng)估標(biāo)準(zhǔn),例如多樣性、新穎性、驚喜度、隱私保護(hù)以及可解釋性等,同樣重要。通過鼓勵(lì)多樣性、新穎性和驚喜度,推薦系統(tǒng)為意圖沒有明確定義的客戶帶來(lái)更多價(jià)值;增加隱私保護(hù),提高客戶的信任度將減少用戶的顧慮,并讓他們更自由地使用他們感興趣的項(xiàng)目;良好的可解釋性為每條建議提供了證據(jù),為用戶顯示了更可靠的結(jié)果。未來(lái)基于深度學(xué)習(xí)的廣告推薦系統(tǒng)為了給用戶提供更好的用戶體驗(yàn),不僅要對(duì)歷史數(shù)據(jù)精確建模,還應(yīng)該探索以下幾方面問題:(1)非平穩(wěn)流數(shù)據(jù)的增量學(xué)習(xí),例如突然大量的涌入的用戶或者項(xiàng)目;(2)高維張量和多媒體數(shù)據(jù)源的計(jì)算效率;(3)通過不同模型的廣泛結(jié)合,充分挖掘深度學(xué)習(xí)在廣告推薦系統(tǒng)的其他評(píng)估尺度上的運(yùn)用。另外,也有廣告專家學(xué)者從倫理方面對(duì)基于人工智能的推薦系統(tǒng)提出批評(píng),認(rèn)為人工智能主導(dǎo)下的精準(zhǔn)推送對(duì)不匹配消費(fèi)場(chǎng)景的個(gè)人不予推送,這其實(shí)是一種歧視。

        猜你喜歡
        個(gè)性化深度特征
        深度理解一元一次方程
        堅(jiān)持個(gè)性化的寫作
        文苑(2020年4期)2020-05-30 12:35:12
        如何表達(dá)“特征”
        不忠誠(chéng)的四個(gè)特征
        深度觀察
        深度觀察
        新聞的個(gè)性化寫作
        新聞傳播(2018年12期)2018-09-19 06:27:10
        深度觀察
        抓住特征巧觀察
        上汽大通:C2B個(gè)性化定制未來(lái)
        欧美老妇人与禽交| 精品在线视频在线视频在线视频 | 男女啪啪无遮挡免费网站| 在线视频制服丝袜中文字幕| 久久精品综合国产二区| 亚洲熟女熟妇另类中文| 久久精品国产99国产精偷| 精品亚洲成a人在线观看青青| 亚洲VA中文字幕欧美VA丝袜| 精品国产夫妻自拍av| 日韩a级精品一区二区| 大陆极品少妇内射aaaaaa| 婷婷九月丁香| 日本在线视频二区一区| 男女男精品视频网站免费看| 精品少妇爆乳无码av无码专区| 国产一区二区精品在线观看| 国产美女主播福利一区| 日本高清一级二级三级| 国产免费av片在线观看| 无码日日模日日碰夜夜爽| 中文字幕人妻在线少妇完整版| 久久综合伊人77777麻豆| 真人无码作爱免费视频禁hnn | 成全视频高清免费| 亚洲红杏AV无码专区首页| 亚洲乱码一区二区av高潮偷拍的| 丁香美女社区| 亚洲狠狠网站色噜噜| 国内自拍视频在线观看| 青青草亚洲视频社区在线播放观看 | 豆国产96在线 | 亚洲| 成人免费毛片内射美女-百度| 成人国产精品高清在线观看| 亚洲av高清不卡免费在线| 日韩一区国产二区欧美三区| 99福利在线| 国产无套粉嫩白浆内精| 国产 精品 自在 线免费| 亚洲av无码av吞精久久| 国产熟女av一区二区三区四季|