COPR: Consistency-Oriented Pre-Ranking for Online Advertising

要約

カスケード アーキテクチャは、効率と有効性のバランスを取るために大規模な広告システムで広く採用されています。
このアーキテクチャでは、事前ランキング モデルは、厳格なレイテンシ要件を持つより多くの候補を処理するランキング モデルの軽量近似であることが期待されます。
モデルの能力に差があるため、通常、事前ランク付けモデルとランク付けモデルでは一貫性のないランク付け結果が生成され、システム全体の効率が損なわれます。
スコア調整のパラダイムは、生のスコアを正規化して一貫性を持たせるために提案されています。
ただし、オンライン広告に適用すると、避けられない位置合わせ誤差や入札による誤差増幅が発生します。
この目的を達成するために、オンライン広告向けに一貫性指向の事前ランキング フレームワークを導入します。これは、チャンクベースのサンプリング モジュールとプラグ アンド プレイのランク調整モジュールを採用して、ECPM でランク付けされた結果の一貫性を明示的に最適化します。
最適化におけるチャンク間サンプルの重要性をより適切に区別するために、$\Delta NDCG$ ベースの重み付けメカニズムが採用されています。
オンラインとオフラインの両方の実験で、私たちのフレームワークの優位性が実証されました。
Taobao ディスプレイ広告システムに導入すると、CTR が最大 +12.3\%、RPM が +5.6\% 向上します。

要約(オリジナル)

Cascading architecture has been widely adopted in large-scale advertising systems to balance efficiency and effectiveness. In this architecture, the pre-ranking model is expected to be a lightweight approximation of the ranking model, which handles more candidates with strict latency requirements. Due to the gap in model capacity, the pre-ranking and ranking models usually generate inconsistent ranked results, thus hurting the overall system effectiveness. The paradigm of score alignment is proposed to regularize their raw scores to be consistent. However, it suffers from inevitable alignment errors and error amplification by bids when applied in online advertising. To this end, we introduce a consistency-oriented pre-ranking framework for online advertising, which employs a chunk-based sampling module and a plug-and-play rank alignment module to explicitly optimize consistency of ECPM-ranked results. A $\Delta NDCG$-based weighting mechanism is adopted to better distinguish the importance of inter-chunk samples in optimization. Both online and offline experiments have validated the superiority of our framework. When deployed in Taobao display advertising system, it achieves an improvement of up to +12.3\% CTR and +5.6\% RPM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google