CTR预估相关介绍

前言

推荐系统通常分为召回和排名两个步骤

• 召回：粗排选取合适的内容，可以通过协同过滤，兴趣tag，内容最热等方式
• 排序（CTR预估）：使用一个点击率预估模型（输入用户特征，内容特征，用户内容交叉特征等）对召回出来的内容进行排序

1、CTR预估

CTR预估是推荐中最核心的算法之一。

• 相关概念：
• CTR预估：对每次广告的点击情况做出预测，预测用户是点击还是不点击。
• CTR预估的影响因素：比如历史点击率、广告位置、时间、用户等。
  
• CTR预估模型：综合考虑各种因素、特征，在大量历史数据上训练得到的模型，用来学习和预测用户的反馈，用户的反馈主要有点击、收藏、购买等。
• 应用场景
• 电脑广告
• 推荐系统
• 信息流排序

2、数据准备

讨论的是数据已经过预处理。

• one-hot编码：
  CTR预估模型的特征数据往往包含多个特征，one-hot编码表示这些特征，将多个特征对应的编码向量链接在一起构成特征向量。
  数据特点：
• 高维
• 疏
• 多类别
• Embedding表示
• embedding学习一个低维稠密的实数向量，即将位数较多的稀疏数据压缩到位数较少的空间。
• 将one-hot编码处理成一个固定维度的嵌入向量表示，减少了计算、处理和存储等方面资源。
• 特征工程：
  特征的组合对效果至关重要。
• 自动的
• 人造的

特征与模型关系图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P1SWmGeX-1646555782122)(https://note.youdao.com/yws/res/b/WEBRESOURCE6810e02bde9511782a3481baa05adc1b)]

3、CTR预估模型

3.1 传统CTR模型演化关系图

• 向下为了解决特征交叉的问题，演化出PLOY2，FM，FFM等模型；
• 向右为了使用模型化、自动化的手段解决之前特征工程的难题，Facebook将LR与GBDT进行结合，提出了GBDT+LR组合模型；
• 向左Google从online learning的角度解决模型时效性的问题，提出了FTRL；
• 向上阿里基于样本分组的思路增加模型的非线性，提出了LS-PLM（MLR）模型

3.2 深度学习CTR模型演化关系图

3.3 算法比对与总结

出现的变量定义：

• n: 特征个数，所有特征one-hot后 连接起来的整体规模大小
• f: 特征field个数，表示特征类别有多少个
• k: embedding层维度，在FM中是隐向量维度
• H1: 深度网络中第一个隐层节点个数，第二层H2，以此类推。
  

各种CTR深度模型看似结构各异，其实大多数可以用如下的通用范式来表达，

• input->embedding:
  把大规模的稀疏特征ID用embedding操作映射为低维稠密的embedding向量
• embedding层向量
  concat, sum, average pooling等操作，大部分CTR模型在该层做改造
• embedding->output:
  通用的DNN全连接框架，输入规模从n维降为k*f维度甚至更低。

4、CTR预估的评价指标

4.1 线下评价指标

• LogLoss对数损失
  主要用于评估模型输出概率与训练数据的概率的一致程度，可以理解为logloss越小模型预估的ctr越准。
• KL散度
• 交叉熵
• 二分类常用的评价指标
• FP rate
• TP rate
• 精确率precision
• 召回率recall
• 准确率accuracy
• ROC
• AUC ：主要评估的是模型对于整体样本的排序能力
• pCTR bias（mean(pctr) – CTR）：平均预估CTR偏差

离线主要看这三个：AUC, LogLoss，pCTR bias

4.2 在线评价指标

• 在线使用AB Test来验证点击率预估模型的有效性
• 分桶平均预估CTR(pCTR)和实际CTR(aCTR)，对比关系画出来就行了，理想状态下应该是一条斜率为1的线。

5、总结

• ctr预估中的大多数输入都是离散而且高维的，特征也分散在少量不同的field上。要解决这样的一个深度学习模型，面临的第一个问题是怎么把输入向量用一个embedding层降维成稠密连续的向量
• ctr预估领域方法变化层出不穷，但万变不离其宗，各种模型本质上还是基础组件的组合，如何结合自己的业务、数据、应用场景去挑选合适的模型应用，可能才是真正的难点所在。

参考信息：
1、 深度学习在CTR预估中的应用
https://zhuanlan.zhihu.com/p/35484389

2、推荐算法之4——CTR预估模型
https://zhuanlan.zhihu.com/p/76897076

3、推荐算法—ctr预估
https://blog.csdn.net/qq_34219959/article/details/103822973