当前位置：网站首页 » 导读 » 内容详情

搜索关键词召回广告直播_搜索无广告的方法(2024年12月全新视觉)

内容来源：天哥SEO所属栏目：导读更新日期：2024-11-29

搜索关键词召回广告

【搜索广告召回技术在美团的实践】美团通过生成式关键词召回和多模态向量检索技术，大幅提升了搜索广告的召回效率。本文详细介绍了生成式大模型在广告召回中的实践，特别是结合扩散模型的多模态优化，适合关注广告技术和 AI ... 详见：网页链接

𐟔某团推荐系统召回逻辑揭秘 𐟎𛎦Ÿ团的流量场景出发，搜索广告可划分为两大类：列表推荐广告与搜索广告。 𐟔 推荐广告主打商家模式，展现商家的菜品或商品。而搜索广告则更为灵活，既可展现商家，也可突出商品，展示核心商品信息。 𐟧 某团搜索广告历经三个阶段的发展： 1️⃣ 初始阶段：多策略关键词挖掘，针对短Query和头部流量设计高效召回策略。 2️⃣ 进化阶段：分层召回体系，根据流量和供给特点，制定精准的召回策略。 3️⃣ 创新阶段：引入生成式召回，借鉴大模型能力，优化现有技术体系。 𐟔 在第一阶段，某团通过信息抽取技术，从短Query中提取核心词，并利用头部效应，快速覆盖大部分流量。由于商家无买词能力，某团采用模型从商品中挖掘核心词，实现短串匹配。 𐟌 第二阶段，某团推出了分层召回体系。该体系根据流量和供给特点，将用户意图分为强意图和泛意图，并分别制定召回策略。 𐟒ᠧ쬤𘉩˜𖦮𕯼Œ某团引入了生成式召回，借鉴大模型的能力来优化推荐效果。这一创新使得某团的推荐系统更加智能和精准。 𐟎‰ 通过这三个阶段的不断发展，某团的推荐系统已经越来越成熟，为用户提供了更加精准和个性化的推荐服务。

MPA复试全记𐟒ኦŠ娀ƒ了华东师范大学的MPA，运气不错，一路闯进了复试阶段。4月9-10日，我经历了两天的复试面试。由于上海的疫情，这次复试采用了中目APP，需要提前在电脑（主机位）和手机端（辅机位，需用三脚架设置在斜后方45度的地方）下载并测试信号流畅性（学校每天开放直播间进行测试）。 𐟒œ 思政考试我主要参考了半月谈网站的时政讲解版块，重点关注了2021年11月至2022年3月的时间段，了解了晴朗行动、两高报告、共同富裕、新时代人才强国等关键词的时政内容。不过，这次思政考试并没有涉及到这些内容，而是问了我如何理解人民当家作主是中国民主的本质和核心。 𐟒™ 英语面试我准备了一些常见的英语问题，比如英文版的自我介绍、为什么想读MPA、为什么选择我们学校等。但华师大的考题有些不同，我抽到的问题是：当你的亲朋好友在和你讲话时，你仍然在手机上收发信息，这样是否对？这类问题无法生搬硬套，非常考验语言组织能力。 𐟒š 管理学专业考试第二天的管理学专业考试由3位面试老师进行，包括自我介绍、管理学专业知识和相关提问。因为都是自己熟悉的领域，而且老师也不是公关或广告专业，所以问题不算特别深奥。我被问到的问题有：广告和公关的区别是什么？企业公关和政府公关的区别是什么？如果汽车主机厂商被揭露在产品质量或销售过程中存在问题，厂商应该如何应对？如何看待汽车召回事件？这些问题其实都是专业领域内的话题，只要大胆表达自己的想法就好。【后续】面试成绩公布啦，今天收到了拟录取通知。

𐟔某团推荐系统召回逻辑揭秘 𐟎烈团的搜索广告体系庞大而精细，今天我们就来深入探索其中的召回环节产品逻辑。 𐟔首先，某团的搜索广告分为两大类：列表推荐广告和搜索广告。前者以商家模式为主，后者则更丰富，包括商家模式和商品模式。 𐟎樂覎訍系统的召回环节，某团经历了三个重要的发展阶段： 1️⃣ 第一阶段，某团搜索广告的初创时期，关键词挖掘是核心。由于用户搜索的Query较短，某团通过信息抽取技术轻松提取核心词。同时，由于头部效应明显，Top2万的Query就覆盖了大部分流量。 2️⃣ 第二阶段，某团引入了分层召回体系。根据流量和供给特点，将用户意图分为强意图和泛意图，并针对性地优化召回策略。 3️⃣ 第三阶段，某团尝试了生成式召回，借鉴生成式大模型的思路，对现有召回技术体系进行改造。 𐟎‰通过这三个阶段的发展，某团成功打造了一个高效、精准的推荐系统召回环节。无论是关键词挖掘、分层召回还是生成式召回，都体现了某团在推荐系统领域的深厚技术功底和创新能力。

传统RAG与Graph RAG的7大差异 1. 𐟓Š 传统RAG的核心链路：索引（向量嵌入）：通过Embedding模型将文档转换为向量编码，并存储在数据库中。检索（相似查询）：使用Embedding模型对查询进行向量编码，通过相似性查询（ANN）找到最相似的文档。生成（文档上下文）：将检索结果作为上下文，与问题一起提交给大模型进行处理。 𐟔砒AG的架构： Document Indexing Phase：预处理文档并转换为向量。 Query Phase：从用户查询中提取文本块并进行嵌入。 Embedding Model：将文本块转换为向量。 Similarity Search：通过相似性查询找到最相似的文档。 Retrieval：从数据库中检索相关文档。 Context Database：将检索结果作为上下文与问题一起提交给大模型。 𐟌 广义RAG问答链路： Document Indexing Phase：预处理文档并转换为向量。 Query Phase：从用户查询中提取文本块并进行嵌入。 Embedding Model：将文本块转换为向量。 Similarity Search：通过相似性查询找到最相似的文档。 Retrieval：从数据库中检索相关文档。 Context Database：将检索结果作为上下文与问题一起提交给大模型。 𐟚렒AG存在的问题：知识库内容缺失：现有文档可能无法回答用户问题，系统有时会给出不相关的回应。 TopK截断有用文档：相似度不足导致相关文档被截断。上下文整合丢失：检索到的包含答案的文档可能因重排序或过滤规则而被忽略。有用信息未识别：LLM可能无法正确识别文档中的有价值内容。提示词格式问题：提示词格式错误可能导致大模型无法识别用户意图。准确性不足：LLM可能过度利用或未充分利用上下文信息。 𐟓ˆ Graph RAG的核心链路：索引（三元组抽取）：通过LLM服务实现文档的三元组提取，并写入图数据库。检索（子图召回）：通过LLM服务实现查询的关键词提取和泛化，并基于关键词实现子图遍历，搜索N跳以内的局部子图。生成（子图上下文）：将局部子图数据格式化为文本，作为上下文和问题一起提交给大模型处理。 𐟒᠒AG与Graph RAG的成本对比： Graph RAG通过引入知识图谱技术，提供了更高质量的上下文，但增加了系统的复杂性和成本。Graph RAG的核心链路包括索引（三元组抽取）、检索（子图召回）和生成（子图上下文），这些步骤需要更多的计算资源和存储空间。

小红书出现企业负面信息如何处理？一、初步应对措施 1.建立舆情监控 o建立舆情预警系统，通过关键词搜索、热度分析等工具，实时追踪与品牌相关的舆论动向。这有助于企业及时发现潜在的负面舆情，并提前介入，避免事态扩大。 2.迅速响应 o一旦发现负面信息，企业应迅速反应，及时介入讨论。通过品牌官方账号在评论区或相关笔记下直接回应用户的质疑或投诉，减缓舆情扩散速度，控制舆论走向。二、直接处理负面信息 1.官方澄清与道歉 o对于确实存在的问题，企业应主动承认并道歉，提出具体的改进措施。例如，针对产品质量问题，企业可以承诺召回或退换货，并展示整改的决心。 2.举报不实信息 o若负面信息包含虚假、不实内容，企业可选择“不友善内容”、“造谣”等选项进行举报，请求平台协助处理。 3.合规降低负面影响 o若负面笔记已造成一定影响，但企业无法直接删除，可以考虑通过发布多条合规但有利于品牌的内容，以平衡或削弱负面信息的影响。同时，注意不与负面信息产生直接冲突，以免进一步激化矛盾。三、引导舆论走向正面 1.正向内容输出 o企业可以发布优质的内容，展示品牌形象和正面价值观，持续向用户传递正能量。通过分享品牌故事、用户案例、社会责任行动等，增强用户对品牌的信任感和好感度。 KOL合作 o联系相关领域的KOL（意见领袖），邀请他们撰写客观的产品体验报告或发布正面内容，引导舆论走向。同时，通过合作推出品牌活动或福利赠品，提升用户对品牌的好感度。#网络舆情# #舆情公关# #危机公关# #小红书# #企业负面信息处理#

日化行业舆情监测与应对全攻略在日化行业，舆情监测和应对是品牌公关的重要一环。以下是一些实用的方法和策略，帮助你有效应对舆情挑战。 𐟔 关键词设置在进行日化舆情监测时，以下关键词是关键：行业相关性：如“日化、化妆品、个人护理”等。产品名称：例如“舒肤佳、洗发水、沐浴露”等。热点事件：如“315”、“产品召回”等。竞品关键词：如“宝洁、联合利华”等。 𐟓⠦—奌–舆情重点关注平台需要关注的平台包括：社交媒体：如微信、百度、痘印等，这些平台是消费者反馈和讨论的主要场所。新闻网站：主流新闻网站和行业媒体，它们是信息传播的重要渠道。论坛和贴吧：如百度贴吧、专业论坛等，这些地方常有深度讨论和消费者反馈。 𐟛 ️ 舆情监测平台利用靠谱的舆情监测平台，可以7*24小时全天候自动监测网上与企业相关的负面舆情，确保第一时间发现和处理。 𐟓ˆ 日化舆情应对策略建立舆情分析及研判机制：对舆情的性质及发展趋势进行科学判断，预测发展方向，制定解决方案。建立舆情协调应对机制：包括信息的协调联动机制和以疏导为主的舆情处理机制，加强与网民的沟通和交流。完善善后处理机制：网络舆情平复后，加强善后处理工作，弥补损失，公布进展情况，避免谣言散播。建立长效机制：构建科学规范的长效机制，使日化舆情监测更加规范化、常态化、制度化。通过这些策略和方法，你可以更好地应对日化行业的舆情挑战，保护品牌声誉，提升消费者信任。

猫咪新家必备清单：省钱又实用！今年是我养猫的第三年了，明天又有一只小可爱要加入我们的家庭了。每次接新猫咪回家，我都会提前准备好一堆东西。经过这三年的摸索，我终于知道了哪些东西是真正需要的，再也不用花冤枉钱了。第一次接猫咪回家时，我真的买了好多不实用的东西。比如猫窝，结果猫咪根本不睡；猫砂盆买小了，猫咪上厕所都不方便；还买了一堆昂贵的猫咪玩具，结果猫咪根本不玩。太多了，简直太多了！所以这次，我精挑细选了三年养猫经验中最值得入手的好物，结合之前两只小猫咪的喜好和冲浪时发现的猫咪通性，整理了一份清单。具体买了什么都在图里啦，下面说说一些个人认为不同类物品的主要注意事项吧，分为吃、用、玩三个方面：吃主粮关键词：成分、肉源、功效如果你预算充足，可以直接选择进口大牌，比如渴望、爱肯拿、百利、自然光环等，成分基本都过关，不用费太多心查成分。如果预算有限，国产大牌也是个不错的选择。我家猫咪很喜欢吃的有蓝氏（成分真的很不错，适口性也很好～）、诚实一口、鲜朗等。其次是肉源。如果不熟悉小猫咪的偏好，建议从鸡肉开始，毕竟鸡肉的适口性是最好的。了解猫咪偏好后再换其他肉源，不要一直只吃同一种主粮哦，就像人也不可能天天都吃白米饭不吃其他主食一样～功效也很重要！对于新到家的猫咪，建议以防软便、低敏为主，不要一开始就追求美毛、长胖。换了环境的小猫咪需要我们高度关注，一切都以安全、稳定为主最好啦～（我家之前都吃自然光环，毕竟三十几年一直零召回，没有花里胡哨的营销，主打就是一个放心！）用猫砂盆关键词：大小、材质猫砂盆一定要买大一点的，方便猫咪活动。材质方面，建议选择塑料的，比较好清理。猫窝关键词：舒适、保暖猫窝一定要舒适，毕竟猫咪要在里面睡觉。可以选择带垫子的猫窝，冬天还能保暖。猫抓板关键词：高度、材质猫抓板的高度要适中，方便猫咪抓挠。材质方面，建议选择剑麻的，比较耐用。玩逗猫棒关键词：材质、玩法逗猫棒的材质要安全，可以选择橡胶的。玩法也要多样，可以增加猫咪的兴趣。猫爬架关键词：高度、稳定性猫爬架的高度要适中，方便猫咪攀爬。稳定性要好，不然猫咪容易摔倒。希望这些小建议能帮到大家，让你们在迎接新猫咪时不再手忙脚乱！𐟐𑀀

如何用Faiss构建RAG知识库？如果你对如何用RAG（Retrieval-Augmented Generation）构建知识库有所了解，那你一定知道，知识库的索引和检索都是基于文本块的。简单来说，就是把一个大文档分成一个个小块。今天，我想和大家分享一下在智能客服场景下，如何利用FAQ、多轮对话和产品说明书来构建一个向量知识库。一、数据准备 𐟓 FAQ数据处理首先，我们要对常见问题（FAQ）进行清洗，主要是去除用户隐私信息、乱码和表情符号等。FAQ作为标准问答，要求高质量，召回优先级也是最高的。你可以选择只构建问题的索引，也可以构建问题+答案的索引。多轮对话数据处理对于多轮对话数据，我们需要将每一轮的对话文本按照逻辑顺序进行拼接，并区分用户和客服角色。如果不区分角色，模型容易逻辑混乱，把用户问的问题作为答案进行参考输出。同时，标注对话中的关键信息，如意图（查询订单状态）、实体（订单号123456）等，以便构建关键词索引或者进行精准匹配。产品说明书数据处理对产品说明书进行分段处理，将每一个有独立意义的段落或者章节作为一个文档单元。然后，提取说明书中的重要概念、术语等，为其创建索引词汇，方便在向量空间中进行搜索定位。二、向量生成 ➡️ 利用BGE向量模型将处理好的FAQ、多轮对话和产品说明书文档单元分别输入到BGE向量模型中。BGE向量模型会将每个文档单元转换为一个固定维度的向量表示。在这个过程中，根据模型的要求设置合适的参数，如输入文本的最大长度等。三、向量数据库构建（使用Faiss） 𐟏 初始化Faiss向量数据库根据向量的维度，选择合适的Faiss索引类型。例如，如果向量维度较低（如64维或128维），可以选择Flat索引；如果维度较高且需要快速搜索，可以选择IVF - Flat索引等。然后，创建Faiss索引对象，指定向量的维度和索引类型。向量插入将通过BGE向量模型生成的所有向量（来自FAQ、多轮对话和产品说明书）依次插入到Faiss向量数据库中。四、知识库优化与维护 𐟔犊这部分内容有点多，今天就先聊到这儿吧。具体的优化和维护方法，我们下次再详细讨论。希望这些信息对你有帮助！如果有任何问题，欢迎在评论区留言哦！𐟑‹

淘宝推荐真让人头疼！𐟘䊦œ€近刚从实习结束回到深圳，准备给新家添点东西，结果发现淘宝的推荐真是让人无语。食材问题：低价淘工厂的烦恼我家没燃气，平时吃饭主要靠空气炸锅解决，所以我会买一堆肉或者半成品冷藏。之前在淘宝上买过不错的牛肉，想继续找些品质好的牛肉和三文鱼，结果淘宝总是推荐边角料。天猫的推荐更符合我的品牌印象，没想到筛选天猫后，现在会有淘工厂这种没有具体客服、统一处理售后问题的低价商品。淘工厂之前买家具、耗材居多，大多数是低价带来更低的质量，只能应付一下；售后倒是非常友好，会有一些偏向消费者的自动策略。但在生鲜商品上，会潜在觉得对食材品质不放心。日用品推荐：高价变低价类似上面的情形。之前有比较多在淘宝比价购买纸巾、洗衣液等易耗品的习惯，这两天睡得不舒服，想尝试一下香薰。香薰精油的品质跟健康还是有比较大关联的，我的价格承受度更高，但淘宝给我推了半排厕所清洁剂𐟌š。想找一个香薰机，除了溢价特别高的独立品牌，就是小工厂组装的廉价「米家智能」，带着各种标题关键词蹭噱头。我的画像：24岁抠门独居男大学生我猜大概是这个画像，被不分品类地带入了商品推荐策略。也许更好的做法，是分品类混排再按权重多路召回？（没做过策略，评论区等一个 dalao 指导一下𐟘）总之，淘宝的推荐真是让人头疼，希望他们能改进一下算法，至少让我能买到自己想要的东西吧！

专栏内容推荐

2704 x 1352 ·
搜索广告召回技术在美团的实践本文重点介绍了生成式关键词召回、多模态生成式向量召回、生成式相关性判断在美团的实践，还有一些 - 掘金
素材来自:juejin.cn

1080 x 480 · jpeg
从二值检索到层次竞买图——让搜索广告关键词召回焕然新生-阅读笔记 - 知乎
素材来自:zhuanlan.zhihu.com

2686 x 1478 ·
搜索广告召回技术在美团的实践本文重点介绍了生成式关键词召回、多模态生成式向量召回、生成式相关性判断在美团的实践，还有一些 - 掘金
素材来自:juejin.cn

576 x 768 · jpeg
Que2Search（下）：OPPO搜索广告召回模型落地分享 - 知乎
素材来自:zhuanlan.zhihu.com
2736 x 1416 ·
搜索广告召回技术在美团的实践本文重点介绍了生成式关键词召回、多模态生成式向量召回、生成式相关性判断在美团的实践，还有一些 - 掘金
素材来自:juejin.cn