来自于师徒网 刘鹏的讲课，确实不错，笔记记录一下
这节课主要介绍f（u）的受众定向方式。
9种对定向有用的用户行为。
Ad click中可能含有一定量的欺骗点击。
Ad view 看同一个广告的次数（负面因素，疲劳）。 对于大数据先进行浅的挖掘，deep的不容易达到工业的效果。（所以，在工程上只是简单的相加，没有考虑概率分布什么的）
其中的tagger都是需要机器学习出来的。
越靠近demand side端效果越好（有明确的商业需求）
一些实现上的具体问题
Long term 天数或者衰减的因子的选择和标签的类型相关，比如汽车时间较长，运动鞋时间较短，如今多为使用经验，但是可以深入进去，自动选择，有一定的研究空间。
评测一个标签的好坏（从历史数据来挖）。 标签阈值（标签需要设置一个阈值，用于过滤掉一定的噪音）设的越小，reach的人就越多，CTR效果效果就越差。好的标签满足： 1、递减。 2、拐点（对合约式广告销售有好处，GD的能卖的量，拐点上方，有明显意图的人群）。
标签的目的就是为了出售和解释给广告主的，所以需要具有一定的可解释性，一定程度上无监督的方法可能效果不好。
