上推理时，每个广告对左侧广告塔仅计算一次，点击率。相比于点击率模型，仅增加了 N 个创意塔的计算量，避免了创意展开导致的计算量爆炸。 由于创意侧特征较少，容易在 id 类特征上过拟合，在创意侧的网络结构上进行了精细化的设计： 创意特征通过 SENet 来学习每个特征的嵌入向量的权重。 对于图片 id 特征额外在 SENet 上加入正则化，并添加自适应 dropout 来减弱 id
特征的影响 对于泛化特征，我们增加
user_id、query 以及广告侧传过来的 em发edding 合并以色列 WhatsApp 号码列表到一起，与创意侧泛化特征的 em发edding 通过 DeepNet 来增强创意特征与广告特征的交叉能力。 由于具有泛化能力和个性化的能力，深度优选模型使广告创意的优选效果得到了进一步的提升。 本文由 @策略产品Arthur 原创发布于人人都是产品经理，未经许可，禁止转载 题图来自 Unsplash，基于 CC 协议 该文观点仅
代表作者本人，人人都是
产品经理平台仅提供信息存储空间服务。 赞赏 收藏 点赞 更多精彩内容，请关注人人都是产品经理微信公众号或下载App 年 初级 小红书优选策略 分享 策略产品比特币数据库美国Arthur 关注 搜索推荐广告策略产品专家 VX：Arthur_yanchen 篇作品 总阅读量 为你推荐 代跑、卖二手、拒绝退款，Keep靠“奖牌”赚了个亿 – 浏览 代跑、卖二手、拒绝退款，Keep靠“奖牌”赚了个亿 我在乡下开网约车，一天赚千元 – 浏览 我在乡下开网约车，一天赚千元 从开始
