课程地址：计算广告学
课时28 搜索广告
搜索广告的特点：1. 用户定向标签f(u)：远远弱于上下文影响，一般可以忽略，但是因为搜索广告中query的信息已经很强了，用query已经足够了。2. Sesion内的短时用户搜索行为作用很重要，3. 上下文定向标签f(c)：关键词。 查询词扩展 从缺点来讲，是搜索广告的运营商希望通过查询词扩展以攫取更多的利润。 做查询扩展后的广告点击的价值是要低于不做查询扩展的点击价值，但如果扩展的关键词相关的广告如果出价更高或一样高，那么对搜索广告运营商做扩展是会收入更多的。另一点从宏观上讲，通过做查询扩展，使得每一个广告主的竞价范围变大了。 方法：
- 基于推荐的方法，它是挖掘(session,query)矩阵找到相关query，session就是用户在一次查询序列中输入的查询词，可以用推荐技术中挖掘(user, item)的算法进行挖掘，这种方法利用的是搜索数据。
- 基于语义的方法，用topic model或概念化的方法中找语义相关query，对相同主题的词用topic model进行聚类，并认为它们的相似的查询意图，经过一些选择，可以将它们列到查询扩展集合中。Topic model是分析潜在语义的模型，也可以一些明确语义分析方法，它是将一些词或词组抽象成数目相对少的概念，每个概念中的词可以认为它们有相似的意图。语义分析的方法利用的是其它文档的数据。
- 基于收益的方法，这种方法在实际中效果是很好的，它不进行语义的分析，也不进行推荐分析，仅看一个查询词在历史上哪些查询词对它的eCPM变现高，但它的分析出来的数据量是很少的，一些新词和长尾的词它就无能为力了，但它是不会漏掉一些真正有经济价值的词。 用户相关的搜索广告决策
- 结果个性化对于搜索广告作用有限，前面提到过f(u)直接做audience 兴趣的targeting的意义并不大，因为上下文信息(c)太强，个人兴趣可以忽略。
- 广告展示的条数可以深度个性化，即参与position auction的位置的个数。
- 可以根据同一session内的行为调整广告结果，比如：用户在第一页没有点击任何广告，用户点击第二页时，可以不再展示第一页展示过的广告。 短时用户行为反馈 短时内用户的几次连续搜索称之为一个session，session的行为可以更明确地标定他搜索的目标。 在广告系统中，短时用户行为有两个作用，1. 短时的受众定向：根据短时行为为用户打上标签。因为短时的计算不太可能用Hadoop这样的平台进行计算，因为Hadoop平台有很长的延时，并且处理时间也不能确定。所以这个打标签的过程是与其它标签的过程是独立的。2. 短时点击反馈：根据短时广告交互计算的动态特征。 所以它可以利用流式计算（stream computing）平台，比如S4，Storm等进行计算
课时29 流式计算平台
在Storm中，一个实时应用的计算任务被打包作为Topology发布，这同Hadoop的MapReduce任务相似。流式计算是调度数据的，而Hadoop核心是调度计算
课时30 广告购买平台
广告购买平台（trading desk）：链接不同媒体和广告网络，不能提供非实时的ROI广告网络Demand端。
广告购买平台(Trading Desk)
- 产品目标：Allows advertisers buy audience across publishers and ad networkds
- 关键特征： 连接到不同媒体和广告网络，为广告商提供universal marketplace
非实时竞价campaign的ROI优化能力 经常由代理公司孵化出来