基于可擴(kuò)展分解機(jī)器的搜索廣告點(diǎn)擊率預(yù)估.pdf

1、搜索廣告通過用戶的檢索行為觸發(fā)廣告的生成，是目前互聯(lián)網(wǎng)流量變現(xiàn)的主要模式之一。搜索引擎一般按照廣告的點(diǎn)擊率(Click-Through-Rate，CTR)和廣告的出價(jià)之積來篩選廣告，其中CTR預(yù)估是核心問題之一，它對(duì)搜索引擎的收入和用戶的體驗(yàn)都有重大影響，點(diǎn)擊模型是預(yù)估CTR的主要方式。但是，由于搜索廣告數(shù)據(jù)量大，特征維度高且長(zhǎng)尾現(xiàn)象明顯，目前大多數(shù)點(diǎn)擊率預(yù)估系統(tǒng)無法高效的在如此大量的稀疏且高維的數(shù)據(jù)上準(zhǔn)確預(yù)估CTR。因此設(shè)計(jì)恰當(dāng)?shù)奶卣?/p>

2、體系，建立高效可擴(kuò)展的點(diǎn)擊模型，并且利用在線優(yōu)化算法快速迭代成為急需解決的三個(gè)問題。本文的主要工作如下:
　　 1.提出點(diǎn)擊率預(yù)估特征設(shè)計(jì)原則，基于此提出五組特征，包括從用戶，廣告，以及環(huán)境三個(gè)維度，由單特征到組合特征，統(tǒng)計(jì)特征等多粒度的特征集合;
　　 2.設(shè)計(jì)了用作點(diǎn)擊模型的可擴(kuò)展分解機(jī)器SFM，利用維度樹結(jié)構(gòu)將分解機(jī)器所基于的切片張量分解重構(gòu)成層次切片分解。由于利用了層次結(jié)構(gòu)，不僅模型的空間復(fù)雜度大大下降而且方便了

3、在線算法的設(shè)計(jì)，此外，借助于分解模型，模型能在長(zhǎng)尾數(shù)據(jù)上更準(zhǔn)確的預(yù)估參數(shù)，利用proximal gradient方法，在線工作集優(yōu)化算法能更快收斂。
　　 3.基于真實(shí)搜索廣告日志數(shù)據(jù)進(jìn)行了三組實(shí)驗(yàn)來模擬線上CTR的預(yù)估，結(jié)果表明，CTR特征體系能夠有效提升模型對(duì)搜索廣告點(diǎn)擊率預(yù)估的準(zhǔn)確度，SFM相比FM能夠有效降低模型的存儲(chǔ)空間，online策略的工作集算法比batch策略能更快的收斂到局部最優(yōu)解，在點(diǎn)擊率預(yù)估方面，SFM在高