计算广告与推荐系统有哪些区别？

这两个领域的联系大于区别，区别的根本在于两个领域尝试解决的问题是不同的。

对于计算广告来说，本质上要处理的是三方利益的协调问题，这三方分别是广告主、用户和媒体。

对于推荐系统来说，本质上要处理的是用户体验的问题。

正是因为要处理问题的不同，导致了两个领域思考方式的不同。比如同样是构建一个CTR模型：

对于计算广告系统来说，站的角度更多的是用这个CTR模型产生更多的收益，那么在使用的时候就更偏向于将CTR高的广告全都排在前面。

而对于推荐系统来说，在使用CTR模型的时候，就不适宜全部按照CTR来进行内容排序。而是要兼顾内容的多样性，新颖性，和流行度。因为推荐系统的核心是用户体验，如果涸泽而渔的全部用根据用户行为历史生成的推荐内容，很容易让用户疲倦、透支用户的兴趣。那么为了照顾用户的整体体验并挖掘用户的长期兴趣，就要考虑用户在不同体验阶段的感受和行为特点。

计算广告

再回到计算广告，由于广告系统处理的是一个三方利益的协调问题，那么为了"协调"，就诞生了很多相关且必要的技术。比如，"协调"的本质其实一种博弈方式，广告主和媒体关于价格的博弈，广告主之间的价格博弈，正是这种博弈的存在，使得计算广告一定要去关注基于博弈论的bidding策略。而且为了"协调"广告主、媒体的相关操作，诞生了支持性的相应模块，去处理广告排期、定向、预算控制等模块，这里面当然涉及大量算法和模型，比如处理广告排期需要最

深度学习核心技术精讲100篇（二十三）-深度学习系列计算广告与推荐系统有哪些区别？使用的主流模型有哪些？