【paper】KDD15 - Interpreting Advertiser Intent in Sponsored Search
Interpreting Advertiser Intent in Sponsored Search
主要内容是搜索广告的相关性预估模型,使用learning to rank的方法。亮点在于使用了用户query和广告关键词的自然搜索结果特征来训练相关性
预估模型。
背景:
相关性预估 -> 用户体验 + 收入,好的相关性有助于搜索引擎好的用户体验和长期持续的收入。
传统做法: 特征来源主要来自 query + 搜索广告,通过理解用户query和广告,来判断相关性。
本文研究表明挖掘客户意图可以显著提升相关性
利用客户购买词的搜索结果,特征来源扩展为:query + 搜索广告 + 客户购买词 + 购买词搜索结果
线下 auc+43.2% 线上2.7%
搜索广告背景:
搜索引擎背景:
精准匹配 + 模糊匹配(同义词,扩展词,rewrite)
点击计费cpc
不相关广告,伤害用户体验:
用户搜索 天气, 出广告“羽绒服“ ,用户意图为天气查询
用户搜索京东,出苏宁广告
量化用户相关性可以从以下几方面着手:
- 用户搜索query,用户意图,短文本,意图难以准确识别(辅助信息:session,点击信息,query校正等)
- 广告创意 , 信息较准确反映客户意图,广告title信息也不足,落地页质量较差
- 落地页
- 广告关键词
四要素
本文致力理解广告关键词
基本假设:
1, 客户购买词反映客户的基本意图和流量需求
2,搜索引擎query理解能力较强
用户相关 : 用户query + 用户query自然结果
广告相关 : 广告关键词 + 广告关键词自然结果 + 广告创意 + 广告落地页
双刃剑:
?? 客户的购买词真是表达了客户想要reach的用户以及想要获得的那部分流量,创意和url相对固定
带来的问题是:
- 客户乱买词肯定引起相关性下降,比如,苏宁客户购买“京东关键词”
- 客户买词会潜在提高相关性,啤酒和尿布的故事
- 问题在于如何评价是否相关,主观因素太强!!!
做法:
- 用户query和广告关键词取前40个自然结果
- 去自然结果页的title,snippet,描述,ODP分类,url
- 去停用词,进行porter stemmer主干提取【1】
- 将以上的词干连接,形成bow
- 使用LambdaMART进行训练【2】
baseline 特征,共1+3*6=19个 :
- query长度
- query 和 titile 的 单词重合度,单词的bigram重合度,字符重合度,字符bigram重合度,排序单词bigram重合度,cosine距离
- query 和 desc的 单词重合度,单词的bigram重合度,字符重合度,字符bigram重合度,排序单词bigram重合度,cosine距离
- query 和 url的 单词重合度,单词的bigram重合度,字符重合度,字符bigram重合度,排序单词bigram重合度,cosine距离
重合度计算公式:
新增特征,共6*9=54个:
- 创意标题与广告kwd搜索结果title,创意描述与广告kwd搜索结果描述,创意描述与广告kwd搜索结果snipet
- Landing Page title与广告kwd搜索结果title,Landing Page正文与广告kwd搜索结果描述,Landing Page正文与广告kwd搜索结果snipet
- Query与广告kwd搜索结果title,Query与广告kwd搜索结果描述,Query与广告kwd搜索结果snipet
使用query的自然结果辅助理解用户意图,query自然结果与广告关键词的重合特征
自然结果会返回网页分类,因此query的自然结果和广告kwd的自然结果会返回两个分类列表,可以计算分类相关性:
这样可以捕捉语义升相关性,比如 鞋子和靴子,按照这种分类相关性,可以得到较好的结果
广告的domain在用户query的自然结果中出现,表明结果较相关
广告的domian在广告关键词的自然结果中出现,表明广告主意图与客户购买词较相关
新增特征2,18 + 1 + 2= 21:
- query自然结果title和kwd自然结果title,query自然结果desc和kwd自然结果desc,query自然结果snip和kwd自然结果snip
- 自然结果类别相关性
- domain 重合个数
训练集:
128万人工标注(query, ad) pairs,打分1-5,5表示最相关,32万hold-out
实验结果:
模糊匹配下准确率提升比精准匹配大,因为模糊匹配下,使用更多的信息,有助于提升相关性判断信息
增加query search特征,效果好很多,说明query seach特征作为连接信息,更多的连接了广告和query的信息
对于本来就高相关性的广告,预估效果更好,原因是高相关性的广告的自然结果交叉特征中存在更多的重合项
线上真实结果:
精准匹配下基本上无效果,说明精准匹配下,工业产品已经处理很好了
模糊匹配下QS提升明显
LambdaMART可以看出各个特征的重要性,最重要的三个特征,都是QS特征:
i) ad domain count in query organic results, 广告域名在query自然结果出现次数
ii) ordered bigram overlap between snippets of organic results for
query and ad keyword , snippet重合度
iii) ad domain count in ad keyword organic results. 广告域名与广告关键词搜索结果匹配度
query特征中最重要的是:
i) word unigram overlap between query and snippets in organic results for ad keyword
ii) order word bigrams between query and titles of the organic results for ad keyword.
【1】 http://qinxuye.me/article/porter-stemmer/
【2】http://blog.csdn.net/huagong_adu/article/details/40710305