8月14日-18日，被誉为全球数据挖掘最高级别学术会议、反映最前沿数据领域研究趋势的ACM SIGKDD 2022正式召开。KDD 2022共收录腾讯广告两篇论文，展现了腾讯在数字广告领域的前沿视野，以及用技术探索效果边界的行动。
如何进一步创新广告技术，以获得最佳的广告效果？这永远是平台方不断探索的命题。
随着各大平台流量增速放缓，迫切需要以技术为驱动力，提升对商品、人、场景的理解维度和深度，促进高效精准匹配。为了提升用户体验，腾讯广告致力于提升品牌与用户每一次相遇的效率和体验，实现品牌、平台、用户的共赢。
从去年开始，腾讯广告进行了从基础设施到算法的技术探索，不断升级广告系统。一方面，系统依托底层太极机器学习平台，构建大广告模型，在召回、粗排名、精排名等竞价环节提升匹配效率，持续优化广告全链路；另一方面，系统基于行业知识和数据提取特点构建模型，不断优化算法，提高每次投放的转化效率和效果。
KDD2022中包含的两篇论文专注于用户画像和合同广告，以探索更有效的广告效果转换:
就业文件1:
《混合虚拟核专家的多目标用户模型》
在广告、推荐系统等行业应用中，多样、精准的用户画像对提升个性化体验有很大帮助。目前深度学习广泛应用于用户标签的构建，即通过历史交互行为，如点击、转化广告等，挖掘出表达用户兴趣/意图的标签。通常的方法是，在面对多个动作时，每次以单个动作为建模目标，引入几组独立的双塔模型来预测用户对标签动作的可能性，用得分高的标签来表达用户的偏好。而多个独立的模型无法互补学习，在某些动作的样本稀疏的情况下，模型学习无法得到很好的支持。此外，由于两塔之间缺乏信息融合，这种设计无法预测不同主题下用户对标签的偏好。
本研究摒弃了业界常用的双塔模型算法，采用了创新的多虚拟核心专家混合模型，用于统一和联合学习用户对各种动作和主题的偏好。在MVKE，我们提出了虚拟内核专家(virtual kernel expert)的概念，它专注于对用户偏好的某个特定方面进行建模，所有这些方面都以统一协调的方式进行研究。此外，MVKE采用的闸门结构在两塔之间搭建了一座信息融合的桥梁，提高了模型的性能，保持了两塔的高效率。我们将该模型应用到腾讯的广告系统中，线上和线下的评估表明，我们的方法比基线方法具有更好的性能，并显著提高了实际的广告收入。
就业文件2:
《CONFLUX:通过级联蒸馏进行印象分配的请求级融合框架》
合同广告和效果广告构成了广告平台两条并行的利润流。由于广告主的需求不同，导致了不同的广告销售模式和定价方式。随之而来的问题是，如何通过合理分配用户曝光，打破两类广告市场的中间壁垒。通过销售全球最高点的曝光量，提高平台的整体收益。这种融合两个市场的分发过程使得合同广告和效果广告之间的竞争，以及具有重叠取向的合同广告之间的竞争更加复杂。此外，非平稳的用户流量模式和有效广告竞价的分布使得上述曝光分配成为一个无人监管的问题，很难衡量每次分配的有效性。显然，现有的静态或粗粒度建模方案不足以解决这个问题。
本研究提出了创新的请求级融合排名框架CONFLUX，通过在合同广告和效果广告两个不同商业逻辑的广告市场之间合理分配曝光，提高平台整体收益，保证广告效果。该框架基于级联结构设计:首先通过线性规划生成分布范式，并对原问题进行监督。然后用复杂的深度学习模型对广告之间的竞争关系进行请求级粒度的建模，将范式提炼为轻量级模型可以学习的经验信息。在线服务阶段，为了缓解模型衰退，适应在线分发迁移，本文引入了序贯蒸馏损失。通过保持新旧模型之间的有用信息，可以周期性地微调在线服务模型，并且可以防止过拟合现象。这种工作流程类似于化学中的级联蒸馏，因此得名。LUX算法实际部署在腾讯的广告系统中，已经运行了6个多月。线上A/B测试以及与基线法的对比表明，提出的方案能够保证广告效果，显著提升平台整体收益，实现广告主和平台的共赢。
KDD作为数据挖掘领域历史最悠久、规模最大的国际顶级学术会议，由美国计算机学会数据挖掘与知识发现特别委员会主办。迄今已举办28届，被中国计算机联合会推荐为A类国际学术会议，汇聚了数据领域最前沿、最顶尖的技术趋势和成果。吸引了众多数据挖掘、机器学习、大数据、AI等领域的顶尖学者、从业者和学生投稿。
KDD论文非常重视论文的“落地应用”，评选标准极高。据悉，今年共收到2448份投稿，仅449份被录取，录取率仅为18.3%。本次入围不仅认可了上述两篇论文的前沿性和突破性，也再次肯定了腾讯广告的技术实力。
围绕技术效率这个永恒的命题，腾讯广告也将专注于在机器学习平台、大模型算法等领域的不断探索和深耕。
