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。
❓
Q&A
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。
🏷️
