網(wǎng)絡(luò)廣告投放算法的研究.pdf

1、隨著網(wǎng)絡(luò)的快速發(fā)展和普及，網(wǎng)絡(luò)廣告作為新興的廣告產(chǎn)業(yè)也隨之興起。網(wǎng)絡(luò)廣告的投放方式日新月異。本文研究?jī)煞N主要的網(wǎng)絡(luò)廣告投放方式:贊助搜索廣告和內(nèi)容定向廣告。
　　贊助搜索廣告在網(wǎng)頁(yè)瀏覽體驗(yàn)中已成為一個(gè)很重要的部分。廣告展現(xiàn)的順序很大程度上影響了用戶對(duì)廣告的瀏覽和點(diǎn)擊。廣告的排名部分依據(jù)本次搜索獲得的最大收益，此外展現(xiàn)用戶喜歡的廣告會(huì)提高用戶的滿意度?；谝陨弦蛩?，準(zhǔn)確地預(yù)估廣告的點(diǎn)擊率十分重要。
　　本文主要做了以下研究工作

2、:
　　(1)研究了贊助搜索廣告點(diǎn)擊率的預(yù)估。在計(jì)算廣告數(shù)據(jù)的標(biāo)簽時(shí)，廣告的點(diǎn)擊率不僅與廣告的內(nèi)容有關(guān)，還取決于廣告展現(xiàn)的頁(yè)面和所處頁(yè)面的位置。綜合考慮以上因素，本文采用最大似然估計(jì)方法來(lái)計(jì)算數(shù)據(jù)集中廣告的點(diǎn)擊率。本文采用了三種特征選取方法，分別為信息增益，卡方統(tǒng)計(jì)和RReliefF算法。對(duì)于點(diǎn)擊率預(yù)估的回歸算法，采用了三種回歸算法:邏輯回歸模型，支持向量機(jī)和梯度增強(qiáng)決策樹。并對(duì)這些算法進(jìn)行了對(duì)比分析。實(shí)驗(yàn)表明，RReliefF算

3、法在預(yù)估廣告點(diǎn)擊率的準(zhǔn)確率上的表現(xiàn)要明顯優(yōu)于另兩種方法，并且梯度增強(qiáng)決策樹和支持向量機(jī)表現(xiàn)的性能都很好，且梯度增強(qiáng)決策樹更勝一籌。
　　(2)研究了內(nèi)容定向廣告投放。本文基于內(nèi)容定向廣告的特性提出了一種新的算法——BM25的改進(jìn)算法。該算法在BM25算法的基礎(chǔ)上加入了詞匯擴(kuò)展，進(jìn)而減少文本的長(zhǎng)度，提高匹配的精度和效率。實(shí)驗(yàn)表明，對(duì)比于向量空間模型和傳統(tǒng)的BM25算法，BM25的改進(jìn)算法較好地解決了網(wǎng)頁(yè)內(nèi)容與廣告文本的失配問題。