在線廣告中高層特征表示及點(diǎn)擊率預(yù)測(cè)方法研究.pdf

1、隨著廣告行業(yè)的不斷發(fā)展和壯大，廣告收入也逐漸成為很多公司的主要經(jīng)濟(jì)來源。為了更好的優(yōu)化廣告投放效果從而獲得更大的利益，彌補(bǔ)傳統(tǒng)廣告的一些不足，在線廣告行業(yè)迅速興起，采用計(jì)算的方式來提高廣告的投放效率。目前，比較重要的兩類在線廣告分別是搜索廣告（Sponsored Search Advertising）和實(shí)時(shí)競價(jià)廣告（Real-time Bidding），在大數(shù)據(jù)和計(jì)算廣告學(xué)相交融的背景下，這兩類廣告也越來越成為人們的研究熱點(diǎn)，而這一熱點(diǎn)

2、中最核心的一個(gè)問題就是廣告點(diǎn)擊率（Click-through Rate）的預(yù)測(cè)。因此，如何的利用從復(fù)雜的廣告日志中更準(zhǔn)確的預(yù)測(cè)廣告的點(diǎn)擊率也成為了一項(xiàng)極為重要的工作。
　　本文以更準(zhǔn)確的預(yù)測(cè)搜索廣告和實(shí)時(shí)競價(jià)廣告的點(diǎn)擊率為目標(biāo)，在基本特征的基礎(chǔ)上通過深度網(wǎng)絡(luò)獲取高層特征，然后結(jié)合基本特征與高層特征來準(zhǔn)確地預(yù)測(cè)點(diǎn)擊率。具體的，主要包含以下幾個(gè)研究方面：
　　首先，本文分析了廣告日志字段中的含義以及一些數(shù)據(jù)集處理的相關(guān)工作，介紹

3、了在點(diǎn)擊率預(yù)測(cè)問題上常用的評(píng)價(jià)指標(biāo)。在這基礎(chǔ)之上，利用主題模型、相似度算法以及一些統(tǒng)計(jì)信息提取了用于計(jì)算點(diǎn)擊率的一些基本特征，主要有：各類ID類型特征、歷史點(diǎn)擊率特征、相似度特征、興趣屬性特征和一些映射數(shù)值特征。并對(duì)特征的有效性進(jìn)行了分析。
　　其次，本文利用樸素貝葉斯模型和支持向量回歸模型對(duì)廣告點(diǎn)擊率進(jìn)行了預(yù)測(cè)，基于這兩個(gè)模型的各自的特點(diǎn)，選取類別屬性特征放入樸素貝葉斯模型中進(jìn)行預(yù)測(cè)，選取歷史信息和興趣行為特征放入支持向量回歸模

4、型中進(jìn)行預(yù)測(cè)。之后根據(jù)預(yù)測(cè)結(jié)果選取了更具表現(xiàn)力的特征作為后續(xù)研究的基礎(chǔ)。在此基礎(chǔ)之上考慮到單一模型的局限性以及在不同特征集上的表現(xiàn)結(jié)果，提出了采用模型融合的方法對(duì)廣告點(diǎn)擊率進(jìn)行預(yù)測(cè)。
　　最后，由于淺層的基本特征的表現(xiàn)力有限，不能很好的挖掘彼此之間的相互關(guān)系和潛在因素，所以在分析了這些特點(diǎn)之后，提出了一種基于深度網(wǎng)絡(luò)的高層特征表示和點(diǎn)擊率預(yù)測(cè)方法。針對(duì)前幾節(jié)中提取出的有效的基本特征按照這些特征的不同表現(xiàn)特點(diǎn)采用不同結(jié)構(gòu)的深度網(wǎng)絡(luò)學(xué)