计算广告——introduction

前言

大家好，好久没有更新了，最近看了一些计算广告的论文，因此想写一些计算广告的的东西分享给大家。如有不足欢迎讨论。

什么是计算广告

计算广告是一门多学科知识交叉的专业，它包含了推荐算法和信息检索等领域的相关知识。大多情况下，计算广告的核心问题与推荐算法中的协同过滤算法和信息检索领域相似，都是相似度匹配的问题。例如，计算机可以将用户的兴趣和广告中的内容进行匹配，对用户推荐相似度比较高的广告。计算广告一般分为三种：(1)sponsor search，利用用户所搜索的关键词进行相似度匹配从而对用户进行推荐，例如，用户搜索钓鱼，广告引擎将会对用户推荐一些鱼竿等产品；（2）Contextual ad,Contextual英文是指上下文的意思，可以简单理解为背景，单不能理解为内容，因为背景不仅包括内容还可以包括其他因素，例如用户的身份，社交网络等。在推荐算法中也可以多方面的考虑用户的信息，从而进行更精确的推荐；（3）Display ad,这种广告一般包含丰富的多媒体信息，例如图片，是视频等，最常见的便是如今比较流行的短视频中的评论，弹幕，以及视频本身等。

计算广告中存在的一些常见问题

计算广告中主要存在以下的集中问题：
（1）数据稀疏性
首先。由于有些广告文本内容较少，在与用户进行相似度匹配的时候便会影响匹配的精度。其次，在sponsor Search中用户的搜索记录较少，也将难以进行与广告的相似度进行匹配。
（2）噪声数据
在很多情况下，由于用户自己的知识水平的限制，用户往往不明确自己的搜索目标，在此类情况下，便会产生一些噪声数据，噪声数据包含的错误信息也将影响计算广告的推荐精度。
（3）排序问题
在对推荐内容进行排序时，成千上万的数据会对排序造成困难，尽管目前已经有很多的排序算法，例如专家打分，灰色关联度等等。

启发

在对用户进行广告推荐时，相似度时首要因素，初次之外还有一些其他的社会因素参与。比如广告商的出资，其他条件相同的情况，广告商出资越多，广告的排名也应该越靠前。但是出资并不能作为主要因素，否则会引起用户的不满。
通过阅读计算广告相关论文，目前大多数·推荐算法都时从用户的角度出发进行推荐，而计算广告更多的考虑了商家的利益。