1.搜索引擎廣告的檢索
廣告檢索的過程：
廣告檢索就是通過對給定的網民的信息需求，在廣告庫(Ad Set)中找到相關的廣告，簡單的來看，可以把Ad Retrieval當做是文本檢索(TR)領域的一個應用。
文本檢索的兩種思路： Doc Selection(Classification) 和 Doc Ranking(Ranking)，在文件檢索中，通常利用相似度來計算，而相似度是一個度量概念，所以在
實際的文件檢索中通常使用的ranking的方法，然後在Ad Retrieval中，因爲廣告檢索的的判斷標準不是相似度，而是ectr*bid結合各方面因素進行權衡，在實際經驗中，
發現採用classification的方法可能會更好一點。
一個可能的搜索廣告觸發子系統：
重要的環節：
query分析： topic model等語義分析方法，而且必須在線實時，由於query詞可能比較少，有涉及query expansion的技術。
其中query expansion的主要思路有：
相關性反饋： 利用網民主動選擇的文檔作爲原query信息的擴展。
僞相關反饋：利用初始優質檢索文件作爲原query信息的擴展。
基於詞典的擴展：利用或自動構建term文件關聯，對原query進行擴展。
廣告特徵分析：這裏需要額外考慮的是廣告本身的特徵。可以異步，offline進行分析。
Classifier:
關於relevence建模的方法，可見下圖：
其中：
1）向量空間建模方法：它默認有一個前提，就是term之間相互獨立。
存在問題： 向量的每一維是什麼，如何weighting(TFIDF等變種)，如何選擇計算相似度的方法(內積，餘弦，等各種距離計算方法)。但實現簡單，可快速工程化，不過進 行參數調試過程中非常晦澀。
VSM關鍵技術：
分詞：分詞的粒度問題：大粒度檢索精準，但是可能不全面；小粒度檢索全面但是不精確。
賦權(term weighting)：短文本信息量太少。
解決辦法：a) 通過改進全局term權重，採用idf的變種iqf,icf或者全新的全局權重的定義：CTR作爲term的權重
b) query expansion,解決文本短小TF爲基本1的問題
c) 全新的term weighting建模方法：f(d,w).
filtering:doc list返回後進行rank時計算score.
2）基於machine learning的建模：
基於樣本標註的relevance model: ctr建模+用戶體驗建模。其優點是理論體系完備，能更好的利用big data來訓練模型和調節參數，更好的fit data。
2.搜索引擎廣告的匹配算法
2.1 搜索引擎廣告的匹配模式有三種：精確匹配、短語匹配、廣泛匹配。其中
精確匹配：等同
短語匹配：包含
廣泛匹配：相關
不過產品定義的也不是一成不變的，各匹配模式按產品規則有特定的Ad Retrieval過程。
2.2廣告觸發方法與匹配模式：
精確匹配：直接查找最進準的，從數據庫裏面找到keyword完全一致的廣告
短語匹配：
1. 針對query進行子片段的抽取
2. 然後將每一個子片段查hash索引，得到相關廣告
廣泛匹配：
通過IR的方法進行查找，定義相關性或者訓練模型，得到query和廣告的similarity，
然後判斷相似度是否滿足要求。
因爲流量分佈是長尾的，其中很大一部分的query是隻出現一次的，而且流量作爲商品具有不可枚舉，同一個語義的query其表達方式多種多樣，所以
僅僅通過精確匹配是很難滿足所有的情況的。