magigo

1. 布尔表达式搜索
2. 长Query情况下的相关性检索 切掉理论上不再需要考虑的文档，当相关性函数为线性时，存在有效的剪枝算法 WAND检索算法

magigo

1. 淡化广告位概念
2. 最合适的计价方式是CPC
3. 不易支持定制化的用户划分

magigo

竞价系统理论

1. 位置拍卖
2. 对称纳什均衡
3. 定价机制，VCG--对象的首位应等于给他人带来的价值损害，广义第二高价--会收取广告主更多的费用

magigo

精准广告的误区

1. 越精准的广告，给市场黛拉的价值越大
2. 媒体利益与广告主利益是相博弈的关系
3. 精准投放加上大数据可以显著提高营收
4. 人群覆盖率较低的数据来源是不需要的
5. 不同的广告产品应该采用不同的投放机

用户标示，cookie，ID， 用户行为，9种，去除热点话题带来的偏差

magigo

1. cache: url -> 特征表

2. 话题模型 PLSI，LDA，GaP 经验贝叶斯

   LDA可以视为PLSI的经验贝叶斯版本

   PLSI不是指数族分布，不能使用EM算法

可用变分近似，叫做VBEM简单，但无法保证收敛到局部最优

magigo

1. 对用户历史行为打标签

按兴趣强烈程度

交易，购物前的行为，搜索广告的点击，普通广告的点击，搜索点击，搜索，分享，页面浏览，广告浏览

每一种行为通过tagger打一个标签，计算标签强度（简单来家同一个标签出现的次数）

tagger是一个ML的问题。强度越强的数量越少

magigo

1. 为AUC打标签的过程 上下文标签可以认为是即时受众标签
2. 标签的两大作用 建立面向广告主的流量售卖体系 为各估计模块提供原始特征
3. 常见受众定向方式 重定向f(a, u)，明确解释推荐原因，符合用户兴趣，广告在用户理解的范围内--最有效 人口属性--不是很有效 地域 上下文f(c)

magigo

常用统计模型

1. 指数族分布（高斯分布，multinomial，最大熵），最大似然估计可通过充分统计量链接到数据。跟参数维度有关，跟数据量无关。 map阶段，收集充分统计量，reduce更新模型 在mapper中仅仅生成比较紧凑的统计量，其大小正比于模型参数量，与数据量无关

2. 指数族混合分布（高斯混合模型，隐马尔科夫，PLSI），ML估计通过EM算法迭代。

3. 梯度分布（原始的方法）

magigo

二部图匹配问题，受限优化问题

display ad problem

adwords problem

其他问题，Maximally Representative allocation

拉格朗日法，将问题转为对偶问题

magigo

1. 担保式投送

2. 广告投放机

   三个基础的功能，点击率预测，流量预测，受众定向