计算广告、推荐系统论文以及DSP综述

 

http://www.huxmarket.com/detail/2966

 

DSP场景假定前提：

 

以CTR预估为例，向广告主以CPC（OCPC）方式收费，向ADX以CPM方式付费。投放计划受预算限制，在这种情况下，一般含有约束目标（如最小化eCPC，最小化转化成本等）。

 

DSP如何赚钱：

 

• 成本：从ADX手中购买impression的支出（主要技术：bid optimization）
• 收入：从广告主手中得到的点击事件收费（主要技术：CTR/CVR prediction）

 

 

paper： https://github.com/wnzhang/rtb-papers 

计算广告论文及资料列表github repo： https://github.com/wzhe06/Ad-papers

推荐系统论文及资料列表github repo：https://github.com/wzhe06/Reco-papers

 

https://buaawht.github.io/2019/03/23/%E5%B9%BF%E5%91%8A%E7%AE%97%E6%B3%95%E8%B5%84%E6%96%99%E5%90%88%E9%9B%86/

https://github.com/hongleizhang/RSPapers

 

2019年上半年工业界深度推荐系统与CTR预估上值得精读的论文：

https://zhuanlan.zhihu.com/p/72597928

 

KDD 2019高维稀疏数据上的深度学习Workshop论文汇总:

https://zhuanlan.zhihu.com/p/78770810

 

 

https://scholar.google.com/citations?view_op=top_venues&hl=en

 

https://scholar.google.com/citations?hl=en&vq=eng_datamininganalysis&view_op=list_hcore&venue=DxPOk84pRIIJ.2019