Trustworthy Deep Learning for Large-scale Online Advertisement

本研究旨在研究复杂弱监督情况下的鲁棒机器学习，设计能够在真实场景下应对噪声行为的通用鲁棒算法、网络模型、训练框架。针对噪声行为在大外投业务中的具体表现，我们将其建模为以下四个主要问题，即流量稳定性差，外部用户行为稀疏，上下文信息缺失，行为预测带噪。对此，本研究提出四个相应的任务尝试解决对应的技术难点，并进行业务场景的适配。