美团技术团队
·
百亿大规模图在广告场景的应用
💡
原文中文，约10800字，阅读约需26分钟。
📝
内容提要
该文章介绍了基于大规模图框架的外卖广告应用，通过多场景异构大图建模解决了搜索推荐业务中的挑战，同时介绍了GraphET引擎的训练和推理框架建设。未来研究方向包括通用Graph模型建设、领域大图构建和加速图引擎以及更大规模图的在线推理框架。
🎯
关键要点
- 美团外卖广告系统的召回阶段面临LBS限制，提出供给分层的自循环召回体系。
- 外卖广告搜索推荐业务的主要挑战包括用户搜索意图不明确和供给受限制。
- 搜索推荐业务需要统一建模异构多场景，提高弱供给匹配效率。
- 图技术适合通过异构图统一搜索推荐多异构场景，解决稀疏节点表征问题。
- 提出多场景异构大图建模以提高搜索推荐渠道的迭代效率。
- 图神经网络的演进包括无监督范式、消息传递范式等，未来将朝向多任务统一方向发展。
- GraphET引擎支持大规模图的训练和推理，满足工业界需求。
- 外卖多场景异构大图的构建经历了从单场景到多场景的迭代过程。
- 基于EM框架的单意图语言增强降噪图和多意图差异化建模提高了召回率。
- 生成式模型增强的大图预训练和Prompt微调提升了多任务的性能。
- 图在线引擎建设包括图采样和图推理，解决了实时新增图节点和推理能力的瓶颈。
- GraphET框架通过多进程架构和模型拆分解决了显存瓶颈问题。
- 未来研究方向包括通用Graph模型建设、领域大图构建和加速图引擎。
❓
延伸问答
外卖广告系统的召回阶段面临哪些挑战？
外卖广告系统的召回阶段面临用户搜索意图不明确和供给受限制的挑战。
如何通过图技术解决外卖广告的搜索推荐问题？
通过构建多场景异构大图，图技术能够统一建模异构多场景，提高弱供给匹配效率，解决稀疏节点表征问题。
GraphET引擎的主要功能是什么？
GraphET引擎支持大规模图的训练和推理，满足工业界对图学习的需求。
未来的研究方向包括哪些内容？
未来研究方向包括通用Graph模型建设、领域大图构建和加速图引擎以及更大规模图的在线推理框架。
多场景异构大图的构建过程是怎样的？
多场景异构大图的构建经历了从单场景精细化建模到多场景统一的大图预训练和下游任务微调的迭代过程。
图神经网络的演进主要包括哪些范式？
图神经网络的演进主要包括无监督范式、消息传递范式等，未来将朝向多任务统一方向发展。
➡️
