【实践】CTR预估在动态样式建模和特征表达学习方面的进展

分享嘉宾：秀武 阿里 高级算法专家

编辑整理：Hoh Xil

导读：富媒体时代，广告的样式需要千人千面，广告产品形态呈现多样式、多物料组合形态，对 CTR 预估提出了巨大的挑战；针对这个问题，我们提出了一种动态样式组合优选加 DSA 模型，并结合分位置拍卖技术，较完美地解决了组合样式优选的问题。

另外，传统的 CTR 预估较少能挖掘特征之间的交互信息，我们提出一种 MCP 模型，通过辅助的网络结构来学习更好的特征表达，同时在线上 inference 时不会产生额外的计算消耗。

综上，本次分享的内容主要包括：

• 动态样式 CTR 预估建模
• 特征表达辅助学习

01

▬

业务背景及 CTR 介绍

1. 智能营销平台业务背景

我们的主要业务是搜索广告和信息流广告。搜索广告主要通过搜索 query 触发，信息流广告是在没有 query 的情况下展示广告。

一个通用的商业广告系统，如右图所示：

• 前端 server：包括媒体接入、广告样式封装等
• Server A：策略的中心 Server，实现各个下游 server 之间的连接，以及排序和过滤等策略
• Server C：Server A 会先让 Server C 计算出一些候选的拍卖词或者广告集合 ( 在搜索广告中称为触发，在信息流广告中称为定向 )
• Server B：广告检索，检索出广告的具体信息，并请求 model server 进行 Q 值计算
• Model server：进行各种 Q 值计算的 server
• 我们可能还会用到用户维度的实时信息，所以我们还有用户特征 server 和用户信息存储等基础架构。

整个商业广告系统是由做工程架构的同学来维护架构，策略同学进行策略的迭代优化。接下来会讲下商业系统中非常重要的部分，也就是 CTR 预估。

2. Click-Through Rate ( CTR ) 预估

CTR 预估的重要性：

• Ad selecting：用 CTR 预估做广告漏斗的选择，也就是从检索出来的广告中选出一部分广告进行精排。
• Ad ranking：CTR×bid 排序，CTR 估的越准，排序效率越高。
• Ad charging：广告计费，根据 CTR 进行广告计费计算。

在线广告的点击率 ( CTR ) 预估问题是构建一个预测模型，来估计给定用户给定广告的点击概率。如图中表格所示：

给定用户 ID、用户属性 ( 如：年龄，性别，兴趣等 )，给定广告 Title，通过用户的行为反馈，可以收集到这个广告用户点击/未点击，作为训练样本就可以训练出一个模型 ( 一个非常复杂的非线性函数表达形式 )，然后推送到在线的 model server 进行实时的 CTR 预估。

CTR 预估的问题看似简单，但确实是业界重点研究的方向，主要从如下几个方向展开：特征优化，模型算法研究，模型应用的创新。

3. CTR 相关工作

回顾下业界常用的模型结构：

• 逻辑回归模型 ( LR )：模型简单，容易实现，早些年非常流行。
• 因子分解机 ( FM )：FM 模型增加了二阶项，可以做一些特征两两交互的学习工作。
• 深度神经网络 ( DNN )：最早以 Google 的 DNN 模型为代表，从结构上对特征做 Embedding，再接几层全连接神经网络，由于我们是分类问题，所以最后用 Sigmoid 计算 CTR 预估值。
• Wide&Deep：DNN 在泛化和推理上效果比较好，但是在广告系统中，更希望有一些记忆的特性 ( 如果一个用户对广告有频繁的点击行为，我们希望记住他 )，于是引入了 LR 的组件，来实现记忆的特性。
• DeepFM：华为基于 Wide & Deep 模型，又提出了 DeepFM，将 LR 升级为 FM，同时在 DNN Embedding 学习时，联合 FM 进行学习。
• 后面还有 DCN，以及阿里的深度兴趣网络 DIN 等等。

我们团队的模型现状：

• 大规模离散 DNN 模型作为基本的模型框架
• 支持 Wide&Deep，DeepFM 模型结构
• 自研了时空 DNN，深度记忆网络结构，可以更好的处理用户历史行为，在 CTR 预估中起作用
• 在特征 Embedding 学习方面，自研了 MCP 网络

02

▬

动态样式 CTR 预估建模

——CTR 预估如何赋能广告样式升级？

1. 广告产品样式升级

在前几年，广告样式主要是普通的样式：标题+描述，信息量非常少，用户真正感兴趣的内容，需要在落地页中呈现。

近期针对样式方面，我们做了很多的产品升级，如右图所示，增加了商品列表、图文混排、子链 ( 分组 ) 等样式。这样做的优点：

• 更多信息前置，内容更吸引人，带来点击率的大量提升
• 可根据用户意图个性化选择样式和物料，千人千面
• 转化信息前置，提升转化效率

2. 动态创意的组件化

广告产品样式升级主要是通过动态创意来实现的，动态创意包含样式布局和组件两个要素。如左侧的广告，我们将它拆成元素，有标题、图片、描述和分组等各种子链区，我们将它定义成样式布局。有了样式布局之后，我们需要做的就是填充，比如从广告库中找到标题，填充进去，同时把图片、描述等等也一一找出填充进去。这样的方案对广告主来说是很省时省力的，因为广告主主要关注的是内容的提供。对于内容的提供，我们也提出了策略的解决方案，广告主只需要提供一些基础的内容，我们可以用算法生成一些相近的物料。对于组件的样式不需要广告主定制，我们有专业的样式产品团队进行样式设计，然后由策略团队做样式的策略优选，来确定哪种样式是最好的。

动态创意从产品逻辑上来看很简单，但是从策略上来讲是巨大的难点，首先要确定哪种样式加物料的组合效果最优，而且针对不同用户和广告主最优；其次还要考虑同屏展现下的最优组合。所以我们提出了整体的解决方案：先通过样式+物料组合优选，确定每个广告的动态创意组合，然后通过 DSA 模型建模分位置拍卖过程。

3. 样式+物料组合优选

首先介绍一个最基本的解法：

一个广告要展示的时候，我们第一层要选 Layout，确定样式的布局；选定 Layout 之后，要选定每个容器中放哪个物料，从图片到描述，到标题等等，整个计算就是一个多连乘的公式，在线上如果要实现这一套计算，特别是每种实际展现的样式我们在计算 CTR 时，单次检索的 CTR 预估次数会超过百万次，致使单个广告 CTR 预估组合爆炸。并且不只是单个广告，我们检索可能会检索出上千条广告，哪些创意要进入样式+物料优选，也是非常难的问题。因此简单的样式优选难以实现，对性能挑战非常大。

4. 一种简单的算法升级

针对上面的问题，先看一种简化的解决思路：

• 广告检索，基于原来的检索逻辑，先检索出来创意 ID
• CTR 预估，筛选广告，不计算样式和物料内容，只计算基本的 CTR 预估值
• 广告精排，确定展现队列，排序之后，在搜索广告系统中，可能只剩下了少数条广告
• 样式和物料选择计算，确定最终的创意样式

这样做的优点：

样式+物料计算的候选广告大大减少。

同时，缺点也非常明显：

• CTR 预估没有体现样式和物料带来的加成，使策略最优的效果没有体现出来
• 样式之间的相互影响没有体现出来，一个强样式排在前面时，会使后面的广告 CTR 预估受影响。业界有很多论文在做这块内容的研究，大家可以了解下

5. 样式+物料选择建模

因此，我们将问题进行定义：动态创意优选 = 组合爆炸 + Ranking ( eCPM 最大化 ) + EE

• 针对组合爆炸的解法是运用贪心算法+EE。这里的贪心策略是将物料组装的形式分层次来做，比如先选定标题，再放图片，进而放入描述，放入子链，...，而不是整个展开来计算。如左图所示，树中每一个节点代表一个容器，每一条从 root 到叶子节点的路径就是一个完整的样式。
• 针对 Ranking ( max-eCPM ) 的解法是：CTR 预估+广告 EE 机制

优选策略：

① 每层容器优选

• 组件多元关系 ( 互斥规则 )
• CTR ( 组件 )
• Ranking ( max-eCPM )
• 剪枝 ( EE )：每层留多少个节点

② 每层优选使用前文信息 ( 上一层容器 )

③ 样式优选结束后进行组件物料优选

这里用到的算法和 Model：

• CTR 预估：DNN
• CTR 预估中的 EE：汤普森采样
• 剪枝 EE：目前这部分还没有做，未来我们准备用深度强化学习 ( DRL ) 来做剪枝，来决策哪些内容可以提前去掉，不用参与计算

6. 一种改进的算法流程

前面的算法，已经解决了大部分的问题，当然还有一部分问题没有解决掉，进而我们又引入了 DSA 动态广告排序过程。

整个广告计算流程：

• 基于原来的检索逻辑，检索出来创意 ID
• CTR 粗排预估，进行广告初选，筛选 Top N 广告
• 针对 Top N 广告进行样式和物料组合优选，确定候选广告的样式+创意
• PSA 机制按位置从上到下逐个计算广告展现
• DSA 模型考虑 rank，样式，物料，上文广告等信息计算精确的 CTR

这里的改进是增加了新模型 DSA，可以在上游 Q 值输入的基础上，增加上文，位置，样式，物料等相关特征。另外，我们对 CTR 模型和 DSA 模型是分别独立进行训练的，这里会存在一些问题。

7. CTR 粗选模型 + DSA 模型联合训练

独立训练存在的问题：由于是独立训练，两个模型都存在幸存者偏差，那么 CTR 预估模型中的选出的最好的广告，并不代表在 DSA 模型中就是排的最好的，这两个模型解的不一致性就会带来策略的损失。

近年来，Multi-task Learning ( 多目标学习 ) 领域比较火，也是用来解决这个问题的，所以我们引入了 Multi-task Learning 算法。针对前一版的改进是两个模型联合一起训练，在特征层面可以 share embedding，在网络结构上是两个共生网络进行联合训练。

这里一个小的 trick 是：有些特征在 DSA 阶段，不需要重复计算，所以我们会把上一阶段的 Q 作为下一阶段的输入去使用。

8. 小结

本节内容小结：

• 在动态样式产品升级的情况下，CTR 预估会面临组合爆炸的难题
• 为减少计算量，可以先计算出广告展现队列 ( 减少样式物料优选的计算量 )，然后再进行样式和物料选择
• 即使单个广告的样式和物料优选也会面临计算量非常大的问题，所以引入了贪心 + EE 的策略，逐层筛选最优结果
• 先计算广告队列再进行样式和物料优选时，样式和物料的效果不能影响排序，不是最优结果，收益不能达到最大化
• 因此，引入 PSA 机制和 DSA 模型，将样式优选和排序过程融合起来，能大幅提升效果
• DSA 模型可以和上游模型进行联合建模，进一步提升模型效果

03

▬

特征表达辅助学习

——CTR 模型的 Embedding 能否学习得更好？

1. 深度匹配、关联与预测网络 ( DeepMCP ) idea

常用的 CTR 模型结构，如左图，模型就是在学一个映射的网络，来实现特征输入到 CTR 的映射形式。传统的模型是解 Feature 到 CTR 目标值的关系，即使后面的 FM 模型，也是在解两两特征如何影响 CTR，并没有建模特征表达是否相似。因此是否可以建立特征表达之间的约束学习，使模型具有更好的泛化性？

我们的解决办法是在 CTR 网络结构中引入辅助的网络结构 ( DeepMCP )，对特征和 CTR 之间的关系，以及特征和特征之间的关系进行建模。其中特征和特征之间的关系，主要包括：用户和广告之间的关系以及广告和广告之间的关系。

2. DeepMCP 概览

具体的解决方案是在原来预测网络的基础上，加入匹配子网络和关联子网络。目标是学习具备好的预测能力和表达能力的 Embedding 模型。

DeepMCP 的优点：

• 训练时，三个子网络均被激活
• 线上做预估时，只有预测子网络被激活，不需用到两个辅助子网络，不会消耗额外的线上计算性能

3. Motivating Example

背景动机：

如上图，u 代表用户特征，a 代表广告特征。用户 u₁ 点击了广告 a₁ 和 a₃，用户 u₂ 点击了广告 a₁，实际场景中，我们可能会需要预测用户 u₂ 对 a₃ 的点击率，在之前的网络中，用户 u₂ 和 a₃ 在 Embedding 表达上没有任何的关系，所以很难预测 u₂ 对 a₃ 的 pCTR。有了辅助网络之后，由于 u₁ 和 a₁ 的 Embedding 与 u₂ 和 a₂ 的 Embedding 比较像，可以推导出 a₁ 和 a₃ 的 Embedding 相似，最终更有可能准确预测出 u₁ 对 a₃ 的 pCTR。

4. 细节

上图为 DeepMCP 的网络结构图，三个子网络共享 Embedding matrix。下面将整个网络拆开分别进行介绍：

① 预测子网络

预测子网络就是传统的网络，给定一些特征，然后接几层全连接层，再通过 Sigmoid 生成 CTR 值，最后得到 Prediction loss。这里的预测子网络可以替换为任意 CTR 预估模型，比如 Wide&Deep、DeepFM、Deep and Cross Network 等等。

② 匹配子网络

匹配子网络主要是建立用户和广告之间的关系，广告是否一定程度上匹配用户兴趣。我们把用户特征和广告特征分别经过几层神经网络，映射到两个相等维度的 Embedding，再通过 tanh 激活，计算相关性得到 Matching score，最后得到 Matching Loss。这里用到的不只是用户 ID 和广告 ID，而是用户和广告相关的所有特征，因为我们是要辅助的学习特征的表达，而不是推荐系统中只对 ID 进行学习。

③ 关联子网络

关联子网络是建模广告和广告之间的关系。我们首先要构建广告和广告之间的关系，这里借鉴了图网络的思路，但是我们用到的是用户在 context window 一段时间内的点击序列，跟点击序列不相关的广告用随机负采样的方法 ( skip-gram model with neg sampling ) 做负样本，这种方法跟 word2vec 算法的核心思想比较类似。收集完序列之后，把当前广告作为 target ad features，用户点击的广告作为 context ad features，随机负采样的作为 Neg ad features，输入到网络中。网络的目标是当前广告跟历史点击的广告学到的 Embedding 表达尽量接近，随机负采样的表达不接近。将得到的正负样本的 loss 加起来就是 Correlation loss。

④ DeepMCP

对于整个网络，所有 loss 加一起的时候会有调制，我们加入了 α ( 对应 Matching Loss ) 和 β ( 对应 Correlation Loss ) 两个参数。调制参数的调整是在 validation 数据集上监测 AUC，最佳参数在最高 validation AUC 处获得。在线上时，只使用预测子网络。

5. 实验

① 预估效果

我们分别在公开比赛数据集 Avito 和公司业务数据集，通过对比基础模型 ( LR、FM、DNN、PNN、Wide&Deep、DeepFM )，并对我们的网络进行拆解，DeepCP 代表只加入了一个 Correlation 网络，DeepMP 代表只加入了一个 Matching 网络。可以看到 DeepMP 效果优于 DeepCP，整体上 DeepMCP 效果最好。最终上线的时候，我们采用的是 DeepMP，在预估准确性和模型复杂度之间达到了最好的折衷 ( best compromise )。在线 A/B test 时，CTR2 + 2.9%，CPM1 + 0.9%。

② 调权参数的影响

经过测试，我们发现 Matching 部分的权重要大于 Correlation。

③ 网络参数的影响

这里主要是指 MCP 辅助网络的层数，主网络的层数根据业务来定。

6. 小结

本节内容小结：

• 传统 CTR 预估模型主要是建模 feature-CTR relationship
• DeepMCP 额外建模 feature-feature relationship ( i.e., user-ad 和 ad-ad relationships )
• DeepMCP 是一种多目标学习 ( multi-task learning ) 框架
• DeepMCP 包含预测、匹配、关联三个子网络
• 当三个子网络在 target labels 的监督下联合优化时，学到的 feature embeddings ( representations ) 既具有好的预测能力，又具有好的表达能力
• 实验结果表明匹配子网络比关联子网络带来更大的效果提升
• 最终我们选择了 DeepMP ( pred+match )，在预估准确性和模型复杂度之间达到了最好的折衷 ( best compromise )

本次的分享就到这里，谢谢大家。

智能推荐 个性化推荐技术与产品社区

长按并识别关注

​