在線廣告中高層特征表示及點擊率預(yù)測方法研究.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，彌補傳統(tǒng)廣告的一些不足，在線廣告行業(yè)迅速興起，采用計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）和實時競價廣告（Real-time Bidding），在大數(shù)據(jù)和計算廣告學(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，而這一熱點

2、中最核心的一個問題就是廣告點擊率（Click-through Rate）的預(yù)測。因此，如何的利用從復(fù)雜的廣告日志中更準(zhǔn)確的預(yù)測廣告的點擊率也成為了一項極為重要的工作。
　　本文以更準(zhǔn)確的預(yù)測搜索廣告和實時競價廣告的點擊率為目標(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)測點擊率。具體的，主要包含以下幾個研究方面：
　　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、了在點擊率預(yù)測問題上常用的評價指標(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)計信息提取了用于計算點擊率的一些基本特征，主要有：各類ID類型特征、歷史點擊率特征、相似度特征、興趣屬性特征和一些映射數(shù)值特征。并對特征的有效性進行了分析。
　　其次，本文利用樸素貝葉斯模型和支持向量回歸模型對廣告點擊率進行了預(yù)測，基于這兩個模型的各自的特點，選取類別屬性特征放入樸素貝葉斯模型中進行預(yù)測，選取歷史信息和興趣行為特征放入支持向量回歸模

4、型中進行預(yù)測。之后根據(jù)預(yù)測結(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廣告點擊率進行預(yù)測。
　　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之后，提出了一種基于深度網(wǎng)絡(luò)的高層特征表示和點擊率預(yù)測方法。針對前幾節(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)特點采用不同結(jié)構(gòu)的深度網(wǎng)絡(luò)學(xué)