在搜狗无线搜索广告中应用深度学习讲解

问题导读

1.深度学习在搜索广告中有哪些应用场景?
2.CTR预估包含哪些流程？
3.模型融合的工程如何实现的？

搜索引擎广告是用户获取网络信息的渠道之一，同时也是互联网收入的来源之一，通过传统的浅层模型对搜索广告进行预估排序已不能满足市场需求。近年来，深度学习在很多领域得到广泛应用并已取得较好的成果，本次演讲就是分享深度学习如何有效的运用在搜狗无线搜索广告中。

本次分享主要介绍深度学习在搜狗无线搜索广告中有哪些应用场景，以及分享了我们的一些成果，重点讲解了如何实现基于多模型融合的CTR预估，以及模型效果如何评估，最后和大家探讨DL、CTR预估的特点及未来的一些方向。

深度学习在搜索广告中有哪些应用场景

比较典型的深度学习应用场景包括语音识别、人脸识别、博奕等，也可以应用于搜索广告中。首先介绍下搜索广告的基本架构，如下图：

首先用户查询。
查询词给Bidding Server处理，Bidding Server主要负责业务逻辑。例如某种广告在什么情况下不能展现，或这个客户同一个广告在什么时间段什么地域展现。
Bidding Server请求Retriever Server，Retriever Server主要负责召回，广告库很庞大（搜狗的广告库大概在几十亿这个规模）,因为数据量非常大，所以需要根据一些算法从中找出和当前查询词最相关的一批广告,这就是Retriever Server做的事情。
Retriever Server处理完后，会把这些比较好的广告回传给Quality Server，Quality Server主要负责点击率预估和排序，此时的候选集数量相对较少，Quality Server会采用复杂的算法针对每条广告预估它当前场景的点击率，并据此排序。
Quality Server将排序结果的top回传给Retriever Server。
Retriever Server回传给Bidding Server。
Bidding Server做封装最后展示给用户。

以上过程中可应用到深度学习的场景如下：

基于多模型融合的CTR预估CTR预估流程

CTR预估的流程图如下：

Data是原始数据，包括点击及查询日志，从这些原始数据里抽出一些特征。
Feature包括查询特征、广告特征、匹配特征。
查询特征是和查询词相关的特征，查询发生的地域、时间等。广告特征是指广告本身的信息，例如：来自哪个客户，是哪个行业的，它的关键词是什么，它的标题、描述、网址是什么等各种信息。匹配特征是指查询词和广告的匹配关系。
然后会进行模型的训练，包括线性和非线性。
模型在线下训练完后会到线上，线上Server会实时做特征抽取并预估。
例如：线上实时收到查询请求后，就会知道查询词是什么。前面讲的Retriever Server，它会召回一系列广告，并抽出相关信息，比如广告的标题、关键词、描述等信息，有了这些信息后会利用加载的模型给出预估CTR，最终会进行Rank排序，从而筛选出满足指定条件的一些广告进行展示。

特征设计

离散特征
离散特征是指把东西分散出来表示，比如OneHot，非常直观，例如用户当天所处的时间段，他和最终点击率有关系，那么我把一天24小时分成24个点，他在哪个小时就把哪个点点亮置1，这个特征就设计完了。它的刻画比较细致，设计比较简单，但他的特征非常稀疏，我们线上特征空间非常大，有上十亿，但任何一个请求场景到来，它真正有效的特征大概只有几百个，绝大部分都是空的。因为特征量非常大，不能设计太复杂的模型，否则无法用于线上。
离散特征总结：容易设计，刻画细致，特征稀疏，特征量巨大，模型复杂度受限。
连续特征
还是以时间举例，离散特征会把它变成24个点，连续特征就会变成一个值，比如1、2、3、4、5一直到24，它只会占一个位置。需要仔细设计，很难找到一个直接的方法来描述查询词中包括哪些东西。它是定长的，所以一个请求场景到来，它有多少特征是固定的。不像离散特征是不定长，查询词不一样，有的是两个特征或三个特征，对于特征点可能有两个或三个，这对于我们后面的工作也有一定的影响。连续特征比较稠密，每个位置都会有值，它特征量相对较小，如果用连续特征设计的话可能需要几百维就可以，因此可以使用多种模型来训练。
连续特征总结：需要仔细设计，定长，特征稠密，特征量相对较小，可以使用多种模型训练。

模型类别

线性
优点：简单、处理特征量大、稳定性好。
缺点：不能学习特征间的交叉关系，需要自己去设计。比较典型的如Logistic Regression，有开源的工具包，部署简单且效果不错。
非线性
优点：能够学习特征间非线性关系。
缺点：模型复杂、计算耗时。

比如LR模型就算特征再多，它只是查表加在一起做指数运算就出来了，像DNN、GBDT就会非常复杂，导致计算过程比较慢。

总结：Logistic Regression即能处理连续值又能处理离散值。DNN几乎不能处理离散值，除非做特殊的预处理。

模型融合

前面讲过每个模型都有自己的特点：Logistic Regression处理特征量大，大概在2010年前后开始大量应用于业界，很难有模型能完全超越它；DNN可以挖掘原来没有的东西。我们就想这两个模型能不能将优点进行融合，扬长避短，从而得到更好的结果。

第一种方案：CTR Bagging
- 有多个模型，将多个模型的输出CTR加权平均。
- 实现方法简单，模型之间不产生耦合。
- 可调参数有限，只能调Bagging权重的参数，不能调其他东西，所以改进空间相对较小。
第二种方案：模型融合
- 任一模型的输出作为另一模型的特征输入,彼此进行交叉。
- 实现方法复杂，模型之间有依赖关系，因依赖关系复杂，风险也比较高。
- 好处是实验方案较多，改进空间较大。

我们选了后一种方案，因为单纯CTR Bagging太过简单粗暴了。

模型融合的工程实现

目标
- 可支持多个不同模型的加载和计算
- 可支持模型之间的交叉和CTR的bagging
- 可通过配置项随时调整模型融合方案
- 避免不必要的重复操作，减少时间复杂度
解决方法(引入ModelFeature的概念)
- 模型本身也看做一个抽象特征
- 模型特征依赖于其他特征，通过计算得到新的特征
- 模型特征输出可作为CTR，也可作为特征为其他模型使用
- 限定ModelFeature的计算顺序，即可实现bagging模型交叉等功能

模型融合

模型融合流程图如下：

首先线下，将PV、Click、Session做成一个sample。
然后把sample做成特征，包括OneHot、CTR。
分别将OneHot、CTR传送到各自模块的train，就会得到相应的模型。
线上，Bidding Server 会经过 Retriever Server召回广告。
然后传给Quality Server进行计算，它是通过One Case存储和这个查询相关的所有信息。
Quality Server会把One Case里的信息转换成One Hot特征。
然后将结果存到特征池，特征池包含所有特征。
LR模型从特征池里读取数据，而后计算出CTR，还包括其他增量信息。
将这些回送到特征池。
此外DNN模型也会读取特征池里的信息，并将最终计算结果回传给特征池。
CTR可以从特征池里直接取出，然后进行后续的操作。

我们去年将这套框架部署到线上，并持续进行改进，在线上运行了半年多，基本能适用于业务的发展：曾经上线了LR和DNN的交叉，还上线了LR和GBDT的融合。GBDT会将过程信息回传给LR,由LR完成最终输出。此架构经过生产系统的检验，运转正常。

模型效果评估

期间我们会做很多实验，比如DNN训练比较耗时，线上也比较耗时，因此我们会进行多种优化和评估。那么就涉及到一个问题，如何评估一个模型的好坏？线下指标主要采用AUC,定义如下图所示：

我们来分析下这个图，选定一系列阈值将对应一系列点对，形成一条曲线，曲线下方的面积总和就是AUC的值：红线就是纯随机的结果，对应的AUC是0.5；模型越好，曲线离左上角就越近。这个值在我们模型评估里用得非常多，该值考察的是模型预估的排序能力，它会把模型预估排序结果和实际结果进行比对运算。该值很难优化，一般而言，AUC高，模型的排序能力就强。

线下指标AUC很重要，但我们发现单纯靠这指标也是有问题的，不一定是我们的线上模型出了问题，可能是其他的问题。做广告预估，AUC是线下指标，除此之外，最核心的指标是上线收益，有时这两个指标会有不一致的地方，我们也尝试去定位，可能的原因主要有：

Survivorship bias问题：线下训练时所有的数据都是线上模型筛选过的比较好的样本，是我们展示过的比较好的广告，一次查询三条左右，但实际上到了线上之后，面临的场景完全不一样。前面讲过RS筛选出最多近千条广告，这些广告都会让模型去评判它的CTR大概是多少，但实际上训练的样本只有最终的三条，对于特别差的广告模型其实是没有经验的。如果一个模型只适用于对比较好的广告进行排序，就会在线上表现很差，因为从来没有见过那些特别差的广告是什么样的，就会做误判。
特征覆盖率的问题，例如：我们有个特征是和这个广告自身ID相关的，该信息在在线下都能拿到，但真正到了线上之后，因为广告库非常大，很多广告是未展示过的，相关的信息可能会缺失，原有的特征就会失效，线上该特征的覆盖率比较低，最终将不会发挥作用。

并行化训练

做DNN会遇到各种各样的问题，尤其是数据量的问题。大家都知道模型依赖的数据量越大效果越好，因为能知道更多的信息，从而提升模型稳定性，所以我们就会涉及到并行化训练的事情。

加大数据量，提升模型稳定性
我们做搜索广告有一个重要指标：覆盖率，是指此情况下是否需要显示广告。覆盖率高了，用户可能会不满意，而且多出来那些广告多半不太好；但如果覆盖率很低，又等于没赚到钱。这个指标很重要，所以我们希望融合模型上到线上后覆盖率是可预测的。
我们发现这个融合模型会有自己的特点，上到线上之后会有些波动。例如：今天我们刚把模型覆盖率调好了，但第二天它又变了。然后我们分析，可能是因为数据量的问题，需要在一个更大的数据集上训练来提升模型的稳定性。
加大数据量，提升模型收益
其实就是见多识广的意思，模型见得多，碰到的情况多，在遇到新问题的时候，就知道用什么方法去解决它，就能更合理的预估结果。

我们调研了一些方案，如下：

Caffe只支持单机单卡
TensorFlow不支持较大BatchSize
MxNet支持多机多卡，底层C++,上层Python接口

MxNet我们用得还不错，基本能达到预期的效果。

若干思考Deep Learing的强项

输入不规整，而结果确定。

例如：图像理解，这个图像到底是什么，人很难描述出到底是哪些指标表明它是一个人脸还是猫或狗。但结果非常确定，任何人看一眼就知道图片是什么，没有争议。

具体到我们的广告场景，广告特征都是有具体的含义。例如：时间信息，说是几点就是几点，客户的关键词信息，它写的是什么就是什么，文本匹配度是多少，是高还是低，都有确定的含义。

CTR预估

输入含义明确，场景相关，结果以用户为导向。

例如：一个查询词，出现一条广告，大家来评判它是好是坏，其实它的结果是因人而异的，有人觉得结果很好，而有人却觉得一般，它没有一个客观度量的标准。所以我们认为CTR预估跟传统的DL应用场景不太一样。

我们DNN用到线上后，收益大概提升了百分之五左右，但相对Deep Learing在其他场景的应用，这个提升还是少了些。语音输入法很早就有人做，因为准确率的问题一直没有太大应用，但Deep Learing出来后，比如讯飞及我们搜狗的语音输入法，用起来很不错，准确率相比之前提高了一大截。

未来方向

Deep Learing既然有这些特性，我们会根据特定的业务场景进行应用，比如在某些情况下把它用上去效果会很好，我们还想做一些模型融合的事情。

我们做实验发现把DNN和LR融合后，最好的结果相比LR本身，AUC大概高不到一个百分点。我们也尝试过直接把DNN模型用到线上去，效果很差，就算在线下跟LR可比，但到线上后会有一系列问题，不管是从覆盖率还是从最终收益都会有较大的差异，这是我们在搜狗无线搜索数据上得出的实验结论，大家在各自的业务场景下可能有所区别。

如果你们没有足够经验去手工做各种交叉特征的设计，直接用DNN可能会有好的成果。如果在非常成熟的模型上做，可能需要考虑下，收益预期不要太高。