PCDF：一种用于赞助搜索广告服务的并行计算分布式框架
摘要：在线广告系统遵循检索、预排序、排序的级联模式。受在线推理效率要求的限制，在排序阶段部署计算密集型模块往往很困难。此外，当前在行业中使用的排序模型假设用户点击只依赖于广告本身，这导致排序阶段忽视了有机搜索结果对预测广告的影响。在这项工作中，我们提出了一种新颖的框架PCDF（并行计算分布式框架），可以将计算成本分为三个部分，并将它们部署在检索阶段的预处理模块、广告排序的中间模块和重新排序使用外部项目的后处理模块中。与经典框架相比，我们的PCDF有效地降低了整体推理延迟。整个模块是端到端的离线训练，并适用于在线学习范例。据我们所知，我们是首次从系统框架角度提出了在线训练和部署复杂CTR模型的端到端解决方案。
作者：Han Xu, Hao Qi, Kunyao Wang, Pei Wang, Guowei Zhang, Congcong Liu, Junsheng Jin, Xiwei Zhao, Zhangang Lin, Jinghe Hu, Jingping Shao
论文ID：2206.12893
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-09