本文主要是介绍KDD2020|阿里提出多目标优化保量算法并用于优酷视频服务平台，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Multi-objective Optimization for Guaranteed Delivery in Video Service Platform
Hang Lei, Yin Zhao, Longjun Cai
Alibaba Group
https://dl.acm.org/doi/pdf/10.1145/3394486.3403352
视频服务平台中，保量是IP视频的重要展示策略之一。跟传统的推荐策略不同，保量要求投放系统保证所要投放的内容有一定的曝光量，这里的曝光量通常取决于购买协议或者平台的商业考虑。
这篇文章，作者们研究在保量的约束下，比如对视频曝光或者不同内容的公平竞争下，如何获得最大化收益。作者们将这种问题转化为带约束的非线性规划问题，目标是最大化总的视频曝光量以及内容之间曝光的公平性。
为了捕获视频曝光的趋势，以及每个视频内容的曝光数，作者们提出一种参数化常微分方程模型，该模型的参数利用视频历史pv和点击数据进行拟合。为解决有约束非线性规划问题，作者们利用遗传算法，同时考虑了常微分方程的约束，并且给出一种特定的编码方案设计。
基于真实数据的实验以及在优酷网的线上测试验证了作者们所提方法相对工业界STOA方法的有效性和优势。
这篇论文的主要贡献如下
作者们关于pv和点击得到的常微分方程形式如下
离在线实验信息统计如下
参数设置如下
作者们采用的评估指标有以下两个
离线实验中，两种方法的效果对比如下
作者们做了以下预处理操作
作者们所提方法及平滑方法对点击率预估效果对比如下
超参数敏感性分析效果如下
线上数据中，遗传算法的效果如下
不同的搜索策略对遗传算法的影响如下
遗传算法中当前最优解的变化趋势如下
30天点击率相关指标的ab效果对比如下
按周统计效果对比如下
我是分割线
您可能感兴趣
KDD2020|腾讯联合中科大提出请求级别保量广告计划RAP
KDD2020|淘宝推荐中的特权特征蒸馏算法PFD
KDD2020|阿里联合香港理工大学提出多任务多视角图表示学习框架M2GRL(已开源)
KDD2020|字节联合密歇根州立大学提出推荐广告联合训练框架RAM(已开源)
KDD2020|阿里联合清华提出多兴趣框架ComiRec用于序列推荐(已开源)
KDD2020|京东提出图像类别卷积神经网络CSCNN用于视觉感知CTR预估
亚马逊联合纽约州立大学提出元学习算法MetaBridge用于电商有限标注数据情况下自动验证文本属性
KDD2020|腾讯基于app使用行为提出AETN用于构建通用型user-embedding(已开源)
KDD2020|阿里联合武大提出对偶异构图注意力网络DHGAT用于提升长尾商铺搜索效果
KDD2020|蚂蚁金服提出人群扩展算法Hubble用于智能营销
实时注意力lookalike模型RALM在推荐系统中的应用
召回--联合训练树的索引和深层模型在推荐系统中的应用
深度神经网络在Youtube推荐中的应用--开篇作之一--含部分实用技巧
BERT深层双向Transformers预训练在语言理解中的应用
这篇关于KDD2020|阿里提出多目标优化保量算法并用于优酷视频服务平台的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
