背景
- facebook上的广告并不是与query关联的,而是与用户的兴趣及其人口信息相关,所以相比于搜索其候选广告的体量要大的多;
- 级联模型:解决上述大量候选集合的问题,逐级增大计算复杂度;
实验:
- 评估方法:
1.归一化互信熵:y-->(-1,+1)
2.Calibration:预测点击数/观测点击数
CTR_avg_estm/CTR_empr
3. AUC:area-under-ROC 度量排序质量
1.归一化互信熵:y-->(-1,+1)
2.Calibration:预测点击数/观测点击数
CTR_avg_estm/CTR_empr
3. AUC:area-under-ROC 度量排序质量