广告算法资料汇总【建设中】

算法资料汇总【建设中】"/>

广告算法资料汇总【建设中】

业内大佬

@阿里妈妈技术 @张俊林 @王喆 @萧瑟 @朱小强

综合

• 付海军：基于互联网广告发展演变和思考（附视频讲解+PPT）

• 广告算法工程师入门_广告与算法的博客-CSDN博客

• 广告算法学习笔记

• 20万、50万、100万的算法工程师，到底有什么区别？

• 朱小强：屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期

• 镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展

• yyHaker：搜广推前沿业界技术分享

• 王喆："深度"学习计算广告

• 「回顾」深度学习新技术在搜狗搜索广告中的深化应用

• 狡猾的谎言——我们是如何被事实和数字欺骗的？

常见问题

• 萧瑟：线下AUC提升为什么不能带来线上效果提升?

• 多任务学习中各loss权重应该如何设计呢？

冷启动问题

• 初来乍到：帮助新用户冷启的算法技巧

机制设计

综合

• 漫谈广告机制设计

• 潮汐朝夕：《互联网广告的市场设计》摘要

• 搜索引擎广告的机制设计理论与实践——关键词拍卖_百度百科

• 王松奇：管制资源能生钱——美国政府频谱拍卖故事

售卖方式

• 互联网广告CPM,CPC,CPA的魔咒和圣杯

经典拍卖机制设计

• 卫夕：从央视到谷歌：聊一聊竞价广告的机制设计

• 百度大牛讲机制设计和计算广告学 - 代码先锋网

• 二价的历史

• 《二价的历史》番外篇

• 谈谈广告平台的竞价原理：GFP,GSP,VCG

• 阿里妈妈技术：万字长文，漫谈广告技术中的拍卖机制设计（经典篇）

• 广告拍卖机制及OCPX智能出价简述

高阶拍卖机制设计

• NMA: Neural Multi-slot Auctions with Externalities for Online Advertising

• 阿里妈妈技术：面向在线广告全链路拍卖机制设计新突破 — Two-stage Auction

• 阿里妈妈技术：KDD'23 | Score-Weighted VCG：考虑外部性的智能拍卖机制设计

• 阿里妈妈技术：Deep GSP ： 面向多目标优化的工业界广告智能拍卖机制

• 阿里妈妈技术：KDD 2021 | Neural Auction: 电商广告中的端到端机制优化方法

• 阿里巴巴展示广告智能拍卖机制的演进之路

• 阿里妈妈技术：增广拍卖——二跳页下的拍卖机制探索

• 阿里妈妈技术：自动出价下机制设计系列 (二) ： 面向私有约束的激励兼容机制设计

• 深度学习的多目标广告排序机制

• 兼顾公平的在线广告竞价机制-互联网广告可持续发展生态建设

• 谈谈互联网广告拍卖机制的发展：从GSP到DeepAuction_gsp广告_tostq的博客-CSDN博客

保留价机制设计

出价机制设计

• oCPC实践录

• OCPC 广告算法在凤凰新媒体的实践探索

• 申探社：深入互联网广告中的出价模式（上）— 基础出价模式

• 申探社：深入互联网广告中的出价模式（中） — 智能出价模式

• 申探社：深入互联网广告中的出价模式（下） — 联盟，RTB和RTA

• 申探社：深入互联网广告中的出价模式（补充篇）

预算机制设计

• Jack Sun：在线广告中有关平滑消耗的应用

• 预算平滑(Budget Smooth)是怎样花钱的？

召回

• 推荐场景中召回模型的演化过程

• 张俊林：推荐系统召回四模型之：全能的FM模型

• 阿里定向广告智能投放技术体系

• 再评Airbnb的经典Embedding论文

粗排

• DLP-KDD最佳论文作者，谈「阿里大规模推荐系统」粗排层的设计与实现

• 爱奇艺短视频推荐：粗排篇

• DeepMatch：用于广告和推荐的深度召回匹配算法库

• 萧瑟：阿里定向广告最新突破：面向下一代的粗排排序系统COLD

• 萧瑟：「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现

• 萧瑟：阿里粗排技术体系与最新进展分享

精排

用户行为/兴趣/周期建模

• 亦一：用户行为序列建模汇总

• 用户行为序列建模

• 清凇：Deep Neural Network for YouTube Recommendation论文精读

• 大火山：DIN、DIEN、DSIN间的区别和联系：各种Pooling策略解读

• 阿里云云栖号：基于深度学习的广告CTR预估算法

• Glenn：推荐模型之特征组合新范式-CAN: Feature Co-Action for Click-Through Rate Prediction

• felixzhao：注意力FM模型AFM

• 超详细图解Self-Attention的那些事儿

• 初识CV：Transformer模型详解（图解最完整版）

• 变形金刚--Transformer入门刨析详解_哪有灬平凡？的博客-CSDN博客

• 王喆：推荐系统中的注意力机制——阿里深度兴趣网络（DIN）

• 用户行为序列建模din方法和实际应用

• 用户行为序列建模dien方法

• 黑猫白猫cutecat：淘宝推荐算法精排模型BST：Transformer建模用户行为序列

• 刺猬：简析阿里 BST: 当用户行为序列邂逅Transformer

• 努力搬砖的小李：【推荐系统经典论文(十)】阿里SDM模型

• 被包养的程序猿丶：阿里妈妈长期用户历史行为建模——MIMN模型详解

• 被包养的程序猿丶：阿里妈妈基于检索的用户行为兴趣CTR模型——SIM

• 感觉来了：阿里SIM-基于检索的用户行为兴趣CTR模型

• 绝密伏击：长序列建模（一）：阿里ETA（End-to-end Target Attention）模型

• 快乐星球：用户行为序列建模（篇十四）-【美团】SDIM

• 田峻钢：阿里推荐算法（MIND）：基于动态路由的用户多兴趣网络

• 夏未眠：WWW'22「快手」序列推荐：解耦长短期兴趣Disentangling Long and Short-Term Interests for Recommendation

• 九河之间：业界怎么玩用户行为周期性小结

• 九河之间：阿里/快手均发力-用户长期和短期兴趣建模 |CIKM|WWW

• 九河之间：推荐系统中用户行为建模综述|A Survey on User Behavior Modeling in Recommender Systems|华为

重排

KDD2021｜小红书在推荐多样化的实践——SSD

HZ-VUW：AAAI 2021 基于神经网络的CTR-CVR权重动态调整策略

混排

综合

• 广告与算法：漫谈广告机制设计 | 广告与自然结果的价值评估与利益分配

• 广告与算法：漫谈广告机制设计 | 混排：广告与自然结果的交锋博弈（1）

• 广告与算法：漫谈广告机制设计 | 混排：广告与自然结果的交锋博弈（2）

• 信息流推荐排序中，多种资源进行混排，是否有一个评估指标来衡量混排的效果？

• 童话闲谈：多源内容混合排序算法

point-wise

• Ads Allocation in Feed via Constrained Optimization

• 混排的那些事儿

• yymWater：[广告-机制策略-混排]信息流场景中自然流量和广告流量混排机制

• 阿里妈妈技术：智能商业化模式：信息流广告的动态展现策略

list-wise

• 被包养的程序猿丶：字节跳动基于深度强化学习的广告推荐模型——DEAR详解

• 腾讯技术工程：微信看一看分层强化学习

• 基于强化学习的信息流广告分配方法CrossDQN[美团]-腾讯云开发者社区-腾讯云

多目标

添加图片注释，不超过 140 字（可选）

• 多目标排序在快手短视频推荐中的实践

• Emmerich-Deutz2018_Article_ATutorialOnMultiobjectiveOptim 多目标优化、排序机制设计相关

• A Pareto-Efficient Algorithm for Multiple Objective Optimization in E-Commerce Recommendation 阿里提出针对多目标优化的全新算法框架，同时提升电商推荐场景GMV和CTR-InfoQ

• 宁梧：多场景多目标模型实践总结

• 贝壳er：推荐广告中多目标优化的主流范式

• 绝密伏击：多目标学习在推荐系统的应用(MMOE/ESMM/PLE)

• 蘑菇先生：千人千模 | PEPNet: 2023快手多任务多场景建模

• 亦一：多目标 | 样本权重：概览

• 亦一：多目标模型结构如何一步步从简到繁

• 多目标 | 概览

• 亦一：多目标 | 模型结构: (AAAI2023)FDN引入约束做特征分解，缓解负迁移

• NoobImp：腾讯多任务学习PLE代码阅读（RecSys 2020最佳长论文）

• RayOnFire：多任务学习中的自动权重调整方法

• 多任务学习中各loss权重应该如何设计呢？

• yuexiang：多任务权重自动学习论文介绍和代码实现

多场景

• 缄默笔记：推荐系统(二十四）「知识梳理」多场景建模梳理

• 蘑菇先生：千人千模 | PEPNet: 2023快手多任务多场景建模

• 【多场景建模】CIKM2021 阿里妈妈多场景CTR预估模型STAR 论文精读

• 九河之间：动态生成式参数建模范式思考

• 九河之间：APG: Adaptive Parameter Generation Network for Click-Through Rate Prediction论文解读

• 动态权重：推荐算法的新范式

• Springing：【论文解读|CIKM'2022】基于动态权重范式的多领域CTR模型AdaSparse CIKM 2021 | 多场景下的星型CTR预估模型STAR

• CIKM 2021 最佳论文提名 多场景统一建模算法 SAR-Net

• WSDM'22「阿里」广告：多场景多任务元学习Leaving No One Behind: A Multi-Scenario Multi-Task Meta Learning Approach for

• 快手牛亚男：基于多Domain多任务学习框架和Transformer，搭建快手精排模型

• 星翰：动态权重在推荐系统中的应用

多模态

• 应用机器学习：多模态推荐系统综述

隐私计算

• 小白也能通俗易懂的联邦学习！

因果推断

• Glenn：万字长文-走进因果推断

内容创意

• 清凇：阿里-搜索团队智能内容生成实践

基础模型

• 美丽的神经网络：13种细胞构筑的深度学习世界

• 资源 | 从ReLU到Sinc，26种神经网络激活函数可视化

• 【精选】常用的激活函数合集（详细版）-CSDN博客

• tensorflow中的loss函数总结_tensorflow loss-CSDN博客

特征工程

• ctr预估中如何构造高效的特征？

• 亦一：特征交叉 | 业界方法实际应用与思考总结

NLP

• NLP突破性成果 BERT 模型详细解读

• 第一次见有人把Transformer、BERT和GPT大模型讲的这么通俗易懂！

• NLP必读：十分钟读懂谷歌BERT模型

广告产品策略

综合

• 产品随想录

认识体系建设

• 如何建立自己的认知体系？