广告主通常会基于用户标签来圈定广告的目的人群，比如广告主想投奥迪的广告能够会选择北方 25～44 岁男性；投靠驰能够会选择江浙地域 25 ～55 岁男性。
但受限于广告主的先验知识，其选出来的目的人群通常十分小，不能满足投放要求。比如说广告主想投放 100w 人，但经过用户标签只选出来 10w 用户，那幺剩上去 90w 用户该怎幺选择？
假设把广告主圈出来的那 10w 用户称为种子用户（ 「seed users」 ），那幺我们可以把需求额外提供的一批相似的用户称之为 「look-alike users」 。我们把这种基于种子用户停止相似人群扩展的进程称之为 「look-alike modeling」 。所以，look-alike 并不是某种特定的算法，而是一类建模办法的统称。
2. Look-alikeLook-alike 有多种类型，包括基于相似计算的 「Similarity-based」 ，基于回归模型预测的 「Regression-based」 ，基于标签相似性的 「Approximation-based」 ，基于用户相似网络的 「Graph-based」 ，基于 attention 优化的 「Attention-based」 等。
但这种划分有些不太合理，所以计划直接这里引见一些经典的 look-alike 模型。
2.1 Turn Look-alikeWeighted Criteria-based Algorithm 是由广告科技公司 Turn 构建的一套 Approximation-based 算法，宣布于 ACM 2015，该算法主要是经过计算相关标签停止人群分散，其从相似性、新奇性和质量分三个角度综合评价标签对。
相似性的计算公式有：
为指示函数，有标签的则为 1，否则为 0；为用户数量。
但这种相似性计算公式能够有两个成绩：1. 由于数据稀疏，大部分用户都只要少部分标签，所以大部分标签间的相关性都比较高；2. 相关标签要幺与种子用户的标签十分大要幺十分小，这样的计算结果就显得很冗余。
所以作者采用了第二种相似性的计算公式：
此时，也有了新奇性的计算公式：
此外，还要定义质量分 q，其主要包括 CTR、CVR、ROI，这个可以本人的特定场景本人定义。
我们对上述三种目的停止加权相乘：
取 log，加上权重失掉最终的评价结果：
然后我们便算出了标签之间的分数，并可以应用相似标签停止人群扩展。
2.2 Yahoo Look-alikeYahoo Look-alike Model 是 Graph-based，其结合了 Similartiy-based 和 Regression-based 办法，系统架构如下：
主要包含四个部分：
基于用户间相似度构建用户相似网络，并应用 LSH 对用户停止分桶；
粗召回：将种子用户在同一个桶的用户作为候选用户；
特征挑选：基于特征 IV 停止特征挑选，挑出能代表种子用户的正特征；
精排序：计算用户得分并排序，前往得分最高的用户集。
用户相似性定义如下：
其中，表示用户的特征向量，权重矩阵为单特征或许特征组合的线性相关性的重要水平，这块可以基于用户特征重要性停止构建。其时间复杂度为，搜索的时间复杂度为。Yahoo 采用了 MinHash 和 LSH 停止优化，对用户停止分桶。
然后系统基于种子用户召回同一分桶内的用户作为候选集。
由于不同的广告主所关心的用户特征不一样，比如说 K12 教育关注年龄，化装品关注性别，所以需求事行停止特征挑选。综合思索功用和可解释性缘由，Yahoo 采用 Information Value 作为特征挑选的办法，并构建权重矩阵，
其中，S 为广告主提供的种子用户；U 为备选用户集合，可以经过采样取得也可以是整个用户集合；为正特征，表示此特征在种子用户中比其他用户更重要。
此时，用户评分办法位：
其中，为特征重要性；为特征的二阶度量。
Yahoo 系统主要用了一阶，权重为 IV，所以某个广告投放下的用户分数为：
留意，这个分数的取值为实数，假设想算概率可以用 sogmoid 函数紧缩一下。
2.3 Linkedin Look-alikeLinkedin 在 KDD 16 上宣布了他们的 look-alike 系统，其架构如下图所示：
大致分为线上和线下两部分，辨别称为 「Campaign-Agnostic Expansion」 和 「Campaign-Aware Expansion」 。
「Campaign-Agnostic Expansion」框架主要是应用实体停止扩展，比如 Data Mining 可以扩展到 Big Data 和 Machine Learning。该框架的算法是采用 LR 模型去从历史交互数据中捕获实体间的相似性，这种扩展办法可以直接在系统中运用 （不需求再去额外计算）。
「Campaign-Aware Expansion」框架是采用近邻搜索，基于用户的属性停止相似用户扩展。
无论是线上线下都需求用到相似度计算，这块复杂引见一下。
Linkedin 将每个实体建模为一个多域的结构化 doc（structured multi-fielded document），并提取四种类型的字段，包括：n-grams/词典、标准化命名的数据类型（standardized，公司名、行业名等）、派生数据类型（derived，互联网公司可以派生出网络开发、软件开发等）和相近实体（proximities，基于用户和公司交互的网络确定其他相关公司）。举个例子：
实体的结构化 doc 会被树立成倒排索引库，doc 的每个域的属性都有一个特征向量，doc 同一域之间的相似度用 cos 相似度停止计算：
doc 间的相似度应用域的相似度停止线性加权：
其中，s 为不同范围的相似度，w 为不同范围的权重。
Linkedin 将用户和公司辨别停止上述实体建模，然后将用户关注的公司作为正样本，没关注的公司作为负样本，并用 LR 模型停止训练。
PS：会不会出现极端状况，招致召回量不够。
2.4 Tecent Look-alikeRealtime Attention-based Look-alike Model（RALM）是微信看一看团队提出的，其宣布于 KDD19，其将 Attention 融入到 look-alike 办法中并用于实时资讯引荐，其系统架构如下图所示：
其大致分为： 「离线训练」 、 「在线实时预测」 和 「在线异步处置」 ，辨别对应上图的下、中、上三个位置。
2.4.1 offline Learning「离线训练」部分包括 User Representation Learning 和 Look-alike Learning，前者用于学习用户的特征向量，后者是基于用户特征向量计算相酥柿魁。
(责任编辑：admin)