导入
问题描述
让我们来看一下广告预测系统的问题描述。
问题描述
面试官要求你构建一个系统，向用户展示相关的广告。
...
如何向用户展示最相关的广告？
问题可视化
Google 和 Facebook 是两个知名的广告平台，企业通过它们投放广告。
你是否想过，当用户在搜索你提供的产品或服务时，Google 和 Facebook 是如何将这些新（或现有）客户引导到你的网站的？
当你在 google.com 的搜索框中输入查询时，搜索结果中会显示广告。
Google 的搜索网络允许广告主向那些正在主动寻找其产品或服务的用户展示广告。
在搜索网络中，Google 会将广告主设置的关键词与用户搜索内容进行匹配。当用户发起查询时，系统就会触发相关广告，并在搜索页面上展示，供用户点击。
与 Google 不同，Facebook 的广告主要基于用户的兴趣，展示在其动态消息流中。
Amazon.com 也会展示广告，通常在其搜索结果页面中，根据查询上下文进行展示，如图所示。
面试问题
面试官可能会围绕这个问题提出以下问题，并逐步缩小问题范围：
- 如何构建一个机器学习系统来预测用户对广告的互动概率？
- 如何为搜索引擎构建一个广告相关性系统？
- 如何为社交网络构建一个广告相关性系统？
📝 注意：广告展示所依赖的上下文会因应用场景的不同而有所差异。
应用类型可分为两类：
搜索引擎：上下文包含用户的搜索查询以及搜索者自身的信息。系统根据用户输入的查询来展示相应的广告。
社交媒体平台：没有明确的查询，但上下文包括用户信息（如地理位置、人口统计特征和兴趣层次），系统通过机器学习算法分析用户的历史行为，自动识别其兴趣并据此展示广告。
📝 上述两类平台的系统组件大多相同，主要区别在于用于选择广告和预测广告互动率的上下文信息不同。
我们来定义这个机器学习问题：