CTR预估中怎么样加入图片特征图片特征咋提取( 二 )
■网友
CTR加入图片特征难度应该有两点，1. 效果方面，因为点击率预估是为特定的用户，在特定的环境下推荐广告，用户是十亿级的，而广告一般是万，十万级的（一般曝光量大的广告就更少了），也就是用户维度是更难刻画的，如果用户的刻画没有很好的解决，广告ID+推广计划ID基本就够了（只说展示广告，搜索广告没做过）。2. 速度方面，如果将图片和其它特征一起学习，速度会非常慢，曝光可能达到十亿级，完全不可行。
我想过一个方法去解决，广告维度的特征只用广告ID（能唯一决定图片的ID），用户和环境特征不变，训练数据只使用广告ID曝光量大于一定数量级的广告曝光。广告ID通过Embedding方式表达，训练完之后，就得到了每个广告ID对应的embedding向量，这个向量（希望是）已经将定向和环境的因素剥离了。
有了每个广告ID对应的Embedding向量，我再将每个广告对应的图片作为输入，而学习的目标就是对应的Embedding向量。训练完成后，有新的图片进入系统后，会先用模型预测它的Embedding，而点击率模型会将它预测出来的Embedding作为特征进行训练，可以有效地降低训练时间。
呃，但是实践中第一步就没走通，我学习出来的广告ID对应的Embedding效果并不好，两个图片完全相同的广告往往Embedding有比较大的区别，但调参的时候，有时候还是能找出一些比较相似的方式。我之后就被派去做别的项目了，一直不清楚这方式是不是可行。
另外我把我想法讲给另一个同事的时候，他说这是Transfer Learning中很常见的做法，也基本和原创无关了。
■网友
问题没有附加的详细描述，那我就按一般的思路来说了。
【CTR预估中怎么样加入图片特征图片特征咋提取】 图片特征分两端，一个是ad特征这块，一个是user特征这块。
首先看ad特征，可利用如AlexNet，VGG等成熟的cnn模型，做fine-tunning。就是比如VGG后面三层全连接层是可学习的，把softmax层拿掉。
然后看user特征，这块可以拿过去一段时间用户点击过的ad对应的图片序列，像上面说的用VGG抽取特征后，再过一层lstm，然后可以用attention来做加权平均。attention可以与图片本身的特征，用户画像特征，点击时的上下文有关
■网友
谢邀。
transfer learning的思路
■网友
也不一定要end to end。如果你只需要简单的分类特征，用imagenet的pretrained最后的softmax应该就够了，毕竟也有1000个类了。如果用softmax不放心那就用隐层作为feature。
■网友
接个cnn就行了，要end to end就直接接到最终loss，不要就先做其他任务，把倒数第二层结果拿过来。
■网友
不知使用特征工程的方法，提取图片的主体颜色 亮度等信息作为特征加进去 ，会有效果吗
推荐阅读
- dart这编程语言现在发展怎么样了，语法与Java，c#很相似，甚至更简洁
- 青年|一汽奔腾T77怎么样？车主吐槽：后排座椅太短，和坐小板凳似的
- 电商网站支付流程的流失率是怎么样的从用户点击充值/支付按钮，到支付完成，其中每一步的流失比率都是咋样的
- 作为一个服装供应商，怎么样与淘宝卖家沟通才能卖出自己的产品或者拿到订单
- 在丁丁租房工作的感受是怎么样的
- 城市数据团是怎么样一个团队
- win7中本地连接跟无线网卡同时使用时是怎么样的模式
- 猫扑网南迁广西，媒体唱衰BBS，论坛的未来会怎么样怎样改变
- 被人围攻是怎么样一种体验，包括但不限于（蛋糕，口舌，拳脚，西瓜刀，机枪，code review）
- o2o模式的电商怎么样进行线上线下的引流