计算广告算法和工程

在线广告投放流程 效果类在线广告投放平台一方面承接众多广告主的投放诉求，存储数百万甚至更多的广告物料

《基于深度学习的广告拍卖机制论文阅读笔记（1）》 《基于深度学习的广告拍卖机制论文阅读笔记（2）》 基于深度学习的广告拍卖机制 DNA 书接上回，《Neural Auction: End-to-End

反馈延迟建模是效果广告领域的一个常见问题。在效果广告领域中，随着广告主愈加关注后链路转化效果，其偏向采用oCPC方式进行广告投放，即在转化（如下载、安装、激活、付费、加购、下单等）上进行出价，由广告平

背景 效果类在线广告投放流程一般包含以下步骤： 召回（Information Retrieval，IR），从海量广告全集中召回和当前请求相匹配的候选广告集，候选广告集的规模一般是数万； 粗排（Appr

背景 笔者最近阅读了多篇优化广告多触点归因的论文，其中有两篇论文均使用了CRN（Counterfactual Recurrent Network）。在广告投放场景下，广告主一般会在多个渠道（媒体或广告

背景 点击率预估（Click Through Rate Prediction）是广告和推荐系统中的核心工作之一。在广告系统中，当用户发起广告请求后，系统需要从全量广告集合中召回相关的若干条候选广告，并

在线广告预算平滑领域有两篇比较经典的论文，分别是2014年LinkedIn发表的《Budget Pacing for Targeted Online Advertisements at LinkedI