相关分享
1
喜欢
te
tech.meituan.com
/
2024-09-09 23:47
搜索广告召回技术在美团的实践
美团通过生成式关键词召回和多模态向量检索技术，大幅提升了搜索广告的召回效率。本文详细介绍了生成式大模型在广告召回中的实践，特别是结合扩散模型的多模态优化，适合关注广告技术和 AI 应用的读者。
无图
1
喜欢
te
tech.meituan.com
/
2024-09-08 23:29
信息流广告预估技术在美团外卖的实践
信息流广告的精准预估技术是提升外卖业务广告效果的关键。美团外卖通过深度模型优化，实现了从用户行为建模到长短期兴趣匹配的全面升级，提升广告点击率。本文详细解析了信息流广告背后的技术架构和实践经验，适合所有关注广告优化的技术爱好者。想了解美团如何高效提升广告预估准确率吗？
无图
1
喜欢
te
tech.meituan.com
/
2024-03-31 21:17
百亿大规模图在广告场景的应用
本文通过搜索推荐项目进行外卖搜索广告弱供给填充，提高流量变现效率。我们提出外卖多场景异构大图、异构大图在线建模技术演进路线，解决外卖搜索推荐业务多渠道、即时化的挑战。相关成果发表CIKM2023会议一篇。联合机器学习平台搭建大规模图训练、在线推理引擎GraphET，满足近百亿边规模、复杂图结构的多个业务落地。
无图
1
喜欢
te
tech.meituan.com
/
2023-08-26 21:45
KDD 2023 | 美团技术团队精选论文解读
本文精选了美团技术团队被KDD 2023收录的7篇论文进行解读，论文覆盖了Feed流推荐、多模态数据、实例分割、用户意图预测等多个方向。这些论文也是美团技术团队与国内多所高校、科研机构合作的成果。希望给从事相关研究工作的同学带来一些启发或者帮助。
无图
1
喜欢
te
tech.meituan.com
/
2023-06-24 09:22
CVPR 2023 | 美团技术团队精选论文解读
本文精选了美团技术团队被CVPR 2023收录的8篇论文进行解读。这些论文既有自监督学习、领域自适应、联邦学习等通用学习范式方面的技术迭代，也涉及目标检测、跟踪、分割、Low-level Vision等典型视觉任务的性能，体现了美团在基础通用技术和垂直领域技术上的全方位创新。这些论文也是美团技术团队与国内多所高校、科研机构合作的成果。希望给从事相关研究工作的同学带来一些启发或者帮助。
无图
1
喜欢
bl
blog.nsfocus.net
/
2023-01-04 23:36
BlackHat2022：4G/5G新型前门攻击解读
2022年的Black Hat大会上，来自柏林工业大学的Dr. Altaf Shaik和Shinjo Park带来了议题《Attacks from a New Front Door in 4G & 5G mobile networks》，该议题对来自10个商业供应者和运营商共计数百个API进行了安全调查，结果表明这些API都有着不同程度的缺陷，并且或多或少都包含几个OWASP TOP 10严重的API安全威胁。攻击者可以轻松地利用这些API缺陷找到远程命令漏洞或代码执行漏洞，进而影响数十亿4G/5G网络终端设备的正常运行。
无图
1
喜欢
te
tech.meituan.com
/
2022-12-24 23:31
大规模异构图召回在美团到店推荐广告的应用
美团到店推荐广告团队在图神经网络的长期落地实践中，思考分析了场景的特点与挑战，针对性地进行了模型设计，并通过大规模训练工具及线上部署优化多次成功落地，带来了线上收入提升。本文主要介绍了大规模图召回技术在美团到店广告场景下的实践经验，包括模型设计思路、模型迭代历程、大规模训练工具以及线上部署性能优化等，希望为从事相关工作的读者带来一些启发。
无图
1
喜欢
te
tech.meituan.com
/
2022-08-31 23:08
外卖广告大规模深度学习模型工程实践 | 美团外卖广告工程实践专题连载
在外卖广告CTR场景下，深度学习模型正在从简单DNN小模型过渡到千亿参数复杂模型。基于该背景，本文将重点针对大规模深度模型在全链路带来的挑战，从在线时延、离线效率两个方面展开，阐述外卖广告在大规模深度模型上的工程实践经验，希望能为读者提供思路上的借鉴。
无图
1
喜欢
wo
www.woshipm.com
/
2021-09-25 23:07
爆款打爆低价，消费端倒逼供应端，“简单、粗暴”，带你解读拼多多的底层商业逻辑！
拼多多是一家专注于C2B拼团的第三方社交电商平台，用户通过发起拼团，以更低的价格，拼团购买优质商品。其中，通过沟通分享形成的社交理念，形成了拼多多独特的新社交电商思维。拼多多从群嘲的拼夕夕，到现在成为大众所接受的购物平台，其底层商业逻辑究竟是怎样的呢？
无图
1
喜欢
te
tech.meituan.com
/
2021-06-13 22:45
SIGIR 2021 | 广告系统位置偏差的CTR模型优化方案
近些年来，由于人工智能技术的高速发展，所带来的公平性问题也愈发受到关注。同样的，广告技术也存在着许多公平性问题，由于公平性问题造成的偏差对广告系统的生态会产生较大的负面影响。广告系统通过累积的用户交互反馈数据基于一定的假设去训练模型，模型对广告进行预估排序展示给用户，用户基于可看到的广告进行交互进而累积到数据中。在该环路中，位置偏差、流行度偏差等各种不同类型的偏差会在各环节中不断累积，最终导致广告系统的生态不断恶化，形成“强者愈强、弱者愈弱”的马太效应。
由于偏差对广告系统和推荐系统的生态有着极大的影响，针对消除偏差的研究工作也在不断增加。比如国际信息检索会议SIGIR在2018年和2020年组织了一些关注于消除偏差主题的专门会议，同时也给一些基于偏差和公平性的论文颁发了最佳论文奖（Best Paper）。KDD Cup 2020的其中一个赛道也基于电子商务推荐中的流行度偏差进行开展。
无图