演讲主题

机器学习在商业变现中的应用经验与教训

演讲将聚焦计算广告领域，重点介绍机器学习在腾讯应用商店商业变现中应用的经验与教训： 1. 用户兴趣的深度理解：用户兴趣在广告推荐中非常重要，传统用户兴趣大多是基于统计得到的，未充分利用行为数据背后隐藏的知识。我们会介绍下如何利用机器学习方法抽取更深层次的兴趣特征。 2. 广告创意的理解生成：广告创意是广告主表达其诉求的承载体，也是影响用户点击和转化的关键要素。我们会介绍如何利用深度学习对广告进行更好的理解，以及如何批量生成高质量的广告创意。 3. 预估模型的深度优化：CTR/CVR精准预估是广告排序的重要一环，直接决定广告投放的效果。我们会介绍如何结合应用宝的业务特点，设计和实现更适合广告业务的深度学习系统和网络结构。4. 多目标下的排序机制优化：腾讯应用商店支持CPD、CPT、GD、联运等多种形式的商业产品，如何设计合理的排序机制是实现流量高效配置的关键所在。我们会介绍使用机器学习技术来优化机制设计的初步实践经验。