【IT168 评论】2017第八届中国数据库技术大会(DTCC2017)于2017年5月11-13日在北京举办。本届大会以“数据驱动·价值发现”为主题，汇集了来自互联网、电子商务、金融、电信、政府、行业协会等20多个领域的120多位技术专家，共同探讨Oracle、MySQL、NoSQL、云端数据库、智能数据平台、区块链、数据可视化、深度学习等领域的前瞻性热点话题与技术。

　　5月13日，在《广告与推荐系统》专场，魅族工程师李翔做了精彩的演讲。作为一个拥有海量移动客户端的平台，李翔为大家分享了魅族针对互联网方向转型的战略问题，而广告平台的建设恰恰可以做为这条路上的重要的里程碑，既可以合理地利用平台海量数据带来的优势，也可以使用户和公司各取所需。

▲魅族工程师李翔

　　背景：战略背景和核心输出

　　在互联网广告这个市场中，涉及到DSP、DMP、RTB、ADExchange、CTR，其中的技术细节都会使用到机器学习的相关方法，如何找到合适的算法并达到比较理想的效果是个具有挑战性的难题。作为一个拥有大量移动客户的公司，魅族在较短时间内经历了从无到有的过程，各个平台的建设都需要算法的支撑，比如DMP中的用户画像，以及互联网广告的核心CTR等，这样就需要针对不同的业务场景进行分析，找到合适的数据和模型，并通过不断调优使得各项指标不断刷新新的记录，从而达到用户和公司的双赢。

　　算法核心输出：DMP 用户画像

　　在用户画像方面，李翔举了一个例子，比如用手机测试用户的性别问题，特定APP指定虽然有不确定性，但人工挑取更困难，所以，在手机最初的设置上，可根据用户使用手机操作系统的过程中，设置可选择性的填写数据类别等基本信息，在特殊选择方面，会利用自带的APP比如音乐、视频、APP等调取信息，作为部分参考，更深层的数据应用可以选择具有代表性的APP来区分男女性别。比如：大姨妈、王者荣耀、九秀美女直播、她社区等。

　　除了性别的问题，魅族在划分年龄段的方式方面和其他公司非常接近，通过不同应用来区分不同人群。从结果上来看，push活动的活跃数，使用画像标签后的效果比之前提高了30多倍。

　　过程：从五个层面了解CTR

　　分享中，李翔分别针对CTR五个层面进行了介绍，其中包括架构、数据准备、细节、模型评估、效果等。其中，CTR架构层面分为在线预测、模型训练、特征工程、数据准备。此外，李翔对于CTR细节做了重点介绍。

　　李翔介绍，CTR预估中最常用的方法就是LR(Logistic Regression)，作为广义线性模型，与传统的线性模型作比较，LR使用了Sigmoid函数将函数值映射到0到1的区间，映射后的函数值就可以表示CTR的预估概率。除此之外，LR这个模型很容易并行化，分布式迭代计算快，这样就可以方便处理超大规模的训练样本。但其缺点是，作为半监督模型，学习能力比较有限，需要对训练数据进行大量的特征工程处理，分析出有价值的特征及特征组合，用来帮助LR的非线性学习能力。

　　综上所述，魅族通过CTR预测到的结果是：针对应用中心的显示广告，通过A/B test的方式验证了一个月的效果，把显示广告中的各个广告位的效果拉平后进行比较，相比外部算法，可以使收入提高50%左右。

　　领悟：模型比人更懂数据

　　李翔认为，在机器学习解决问题的过程中，恰当的数据和合适的特征往往最重要。其次，学习能力的不足需要靠特征工程来弥补，另外，模型会比我们更懂得数据，相信并证实模型的结果也是工作中不可或缺的内容。

　　李翔表示，互联网广告是大多数互联网公司最大的收益来源，其核心算法就是关于CTR的预测，由于预测模型涉及的训练样本非常大，需要采用较快的模型，LR作为一个线性模型，它的易分布处理和可解释性使其非常适合这个问题的场景，但由于它的学习能力比较有限，需要做的特征工程就显得尤其重要，通过降维、组合、选择等多个处理方式使得模型可以得到充分的训练，从而预估出较为合理和准确的CTR，帮助公司的广告业务带来尽可能多的营收。