多篇论文被顶会收录,腾讯广告推荐团队AI实力获

　　近期,国际机器学习大会(ICML)、国际数据挖掘与知识发现大会(KDD)、国际计算机协会信息检索大会(SIGIR)等机器学习、数据挖掘与信息检索领域的国际顶级学术会议分别公布了论文录用结果,腾讯广告推荐团队的4篇论文被接收,涵盖神经网络模型剪枝、人脸识别、智能广告竞价、广告转化率预测等研究方向,研究成果获得国际权威认可。

　　腾讯广告推荐团队基于腾讯广告多流量(微信、QQ、新闻、视频、以及外部优量汇联盟等),多行业(游戏,电商,教育,金融),多模态(图片,视频,短视频)的复杂应用场景,构建业界领先广告技术体系,驱动业务持续高速增长。团队深耕广告推荐模型与基础架构:自研大规模高效在线模型训练平台,采用业界领先的多任务多域学习框架,优化广告主全链路投放目标。团队构建的大规模在线广告推荐平台,为广告主提供从点击率预测,浅层转化预估到后链路转化预估服务,是业界规模最大的广告推荐平台之一。

　　在多媒体AI方向,团队聚焦腾讯广告场景,在智能视频创作、多模态内容理解、精准内容推荐等领域持续探索业界前沿。团队在国际OCR权威比赛ICDAR连续三届取得14项冠军,同时在国际多媒体领域顶会ACM Multimedia2021举办腾讯广告算法大赛。

　　本次腾讯广告推荐团队入选的4篇论文,分别是收录到ICML的《LARNet:强化人脸识别的李代数残差网络》、《从三个维度加速卷积神经网络:一个综合性的剪枝框架》;收录到KDD的《一种用于第一价格拍卖中竞价遮蔽的高效深度分布网络》;收录到SIGIR的《追随先知:面对延迟反馈场景的精确在线转化率预测》。

　　此外,数据挖掘与知识工程领域的国际顶级杂志《TKDE》,也于近期收录刊登了腾讯广告推荐团队的论文《无监督领域自适应的可转移特征选择方法》。

　　ICML是机器学习领域公认的国际顶级会议,ICML 2021官方公布的论文接收率为21.48%,其论文含金量正在逐年提高。这次入选ICML的《LARNet:强化人脸识别的李代数残差网络》论文,使用李代数探索旋转对人脸特征生成的影响,证明了图像中旋转等效于特征空间中可加残差量;并设计由解码旋转的残差子网和控制残差贡献的门控子网组成的李代数残差网络来强化人脸识别,在大量人脸数据集上都取得了领先。

　　SIGIR被普遍认为是人工智能领域智能信息检索方向最权威的国际会议之一,SIGIR 2021共收到720篇长文和526篇短文投稿,录用率分别约为21%和27%。入选的《追随先知:面对延迟反馈场景的精确在线转化率预测》,提出了一种“追随先知”(FTP)算法,其核心思想是:假如我们预先知道每一次转化行为具体的延迟时间,基于这些数据,我们可以训练得到一个“先知”模型。实验结果表明,本方法可以获得比当前已知主流方法更好的效果。本文获得了SIGIR 2021最佳短论文荣誉奖(BestShortPaperHonoraleMention)。

　　KDD是世界数据挖掘领域最高级别的学术会议,自 1995年以来,KDD已经连续举办了26届。根据KDD 2021官方公布的消息,今年共有1541篇论文投稿,接收率为15.44%,相比去年16.9%的接收率有所下降。在《一种用于第一价格拍卖中竞价遮蔽的高效深度分布网络》论文中,腾讯引入了一种新的基于深度分布神经网络的方法来进行竞价遮蔽。在离线和在线的A/B测试中,该方法在surplus和eCPX等指标上都取得了比当前已知的主流方法更好的效果。

　　腾讯广告推荐团队长期以来致力于通过AI与数据挖掘技术,提升广告服务能力,帮助广告主获得更高的广告投放收益。截止当前,团队成员在机器学习、计算机视觉、数据挖掘顶级会议和期刊上(如ICML、KDD、SIGIR、CVPR、TPAMI、IJCV)发表论文40余篇(2020-2021),在学术界工业界具有广泛技术影响力。此次多篇论文入选国际顶会,再次展现了团队在广告推荐技术方面的优秀实力。未来,团队也将继续深化AI技术研究,打造更加卓越的广告推荐平台。