主题：解析广告创意领域的科学投放策略
近期研究涉及广告创意的核心内容，基于广泛的行业调研，该领域可概括为创意生成、创意优选及创意投放三大关键环节。
一、创意三大环节详解
- 创意生成：以各种素材如标题、图片、视频和落地页等为基础，创造并筛选出候选广告创意。
- 创意优选：从多款候选创意中，经过层层筛选，选出最适合投放的topk创意。
- 创意投放：将选定的创意正式投放到线上广告平台，以实现广告效果。
二、二部图模型与在线广告优化
本文重点介绍一篇论文——Dynamic Creative Optimization in Online Display Advertising，该论文主要聚焦于上述的创意投放环节（尤其是基于非E&E的优选过程）。文章中，作者将素材的在线投放问题建模为一个二部图匹配问题，提供了精确求解以及在线近似求解的方法。
此建模方法不仅适用于创意领域，还可为更多投放场景提供解决思路。从本质上看，大多数在线广告方法如targeting、ranking、bidding等，其核心在于解决在线分配问题——即如何将合适的广告分发给合适用户，从而实现收入最大化（同时考虑用户体验和生态）。这种分配问题可简化为二部图的形式，其中一边代表用户，另一边代表具体的广告/创意，连接的边则表示用户与广告/创意的互动。
三、论文核心问题与挑战
在论文中，作者提出了几个关键问题及挑战：
- (a) 边的权值（即费用负值）的实际意义是什么？缺失的权值应如何计算？
- (b) 当ID粒度过细时，可能导致整个图过大，进而增加求解难度。如何进行聚类并保证聚类结果的一致性？
- (c) 如何处理新的用户ID和物品ID（如新用户或新商品）？
- (d) 离线算法可以基于用户当天的访问次数Tu进行精确求解，但在线环境中这一数据未知。需要开发能够近似求解的在线算法。
四、在线算法的挑战与思考
对于在线算法的挑战，论文指出deterministic algorithm在在线问题中的表现往往不佳。而关于用户访问次数的假设（即cu），虽然理论上可能通过历史数据获得用户的最低访问次数，但在实际应用中仍存在一定难度。作者还提到，即使有了用户的访问次数，如何将其应用于实际的广告系统中也是一个问题。
在实际应用中，可能需要结合“召回+精排”的系统结构来确保广告的有效展示。还需要考虑如何将新的策略融入现有的系统中，以及如何解释和利用用户-物品边权值的实际含义。
五、总结与展望
该篇论文提供了将在线广告分配问题建模为二部图匹配问题的新思路。尽管其提供了离线和在线的解决方案及理论证明，但在实际应用中仍需注意多种挑战和限制。未来研究可进一步探索更实用的在线算法、如何将理论模型与实际系统相结合以及如何更好地解释和利用用户-物品边权值等方向。