今天分享一下百度凤巢在KDD 2019 ADS track的一篇关于query-ad匹配模型MOBIUS。相比于业界主流仅仅通过优化CTR预估学习query-ad相关性，本文首次在召回层模型训练时将CPM指标纳入附加的优化目标。推荐一读。

论文：MOBIUS: Towards the Next Generation of Query-Ad Matching in Baidu’s Sponsored Search

地址：http://t.cn/A629CGa4

众所周知，百度是中国最大的商业化网页搜索引擎，每天服务上亿的在线用户。为了构建高效的搜索引擎，并且满足每次query需要从上亿的广告中筛选最相关的几百条的需求，百度凤巢目前的广告架构采取三层结构。当用户进行查询的时候，最上层的匹配层负责找出语义相关的候选集并输出给下一层；最下层的排序层更多需要考虑商业指标譬如CPM、ROI等进行排序。

匹配层和排序层目标定位的明显不同造成了较低的商业回报收益，建立Mobius项目就是为了解决这个问题。相比于业界主流仅仅通过优化CTR预估学习query-ad相关性，本文首次在召回层模型训练时将CPM指标纳入附加的优化目标。具体来说，本文将详细描述我们如何引入主动学习克服离线神经网络训练时点击历史不足的问题；以及如何使用最新的ANN查询技术有效地检索ads。我们将Mobius-V1认为是下一代query-ad匹配系统的初始版本。

内容中包含的图片若涉及版权问题，请及时与我们联系删除