KDD'24 | 一文详解腾讯广告推荐算法优化实践

文章预览

来源 | 腾讯广告技术 最近阅读了其中一篇来自腾讯广告推荐团队的工作：Ads Recommendation in a Collapsed and Entangled World，详细介绍了腾讯广告推荐模型最近几年来的技术沉淀和实践经验，探索特征编码保留先验信息，维度坍塌，兴趣纠缠等问题，干货不少，分享给大家。 1. 摘要 推荐模型是计算广告的核心基础，腾讯广告升级了广告推荐大模型的能力，以支持广告产品的快速升级。本文总结了腾讯广告推荐模型在特征编码、维度坍塌和兴趣纠缠等几个方向的探索成果： 广告推荐模型需要充分使用不同类型的特征，包括序列特征、数值特征、嵌入(embedding)特征等。如何在广告推荐模型中更好地保留不同特征的先验信息？  广告推荐模型使用的特征通常会先被表达成K维的嵌入向量，并会随着模型训练进行更新。但我们观察到，很多特征的嵌入在某些维度 ………………………………