搜索廣告點(diǎn)擊率預(yù)測(cè)中的冷啟動(dòng)問(wèn)題研究.pdf

1、在線廣告依托大數(shù)據(jù)的背景，作為一種新的廣告形式應(yīng)運(yùn)而生，其中搜索廣告占據(jù)整個(gè)在線廣告市場(chǎng)的一半以上，而廣告點(diǎn)擊率預(yù)測(cè)則是關(guān)乎廣告收入的關(guān)鍵技術(shù)。對(duì)于廣告系統(tǒng)而言，每天都有大量的廣告進(jìn)入廣告庫(kù)，對(duì)于展示次數(shù)豐富的老廣告，可以利用充足的統(tǒng)計(jì)信息計(jì)算廣告點(diǎn)擊率，但對(duì)于剛剛進(jìn)入廣告庫(kù)，缺乏足夠展現(xiàn)次數(shù)的新廣告和稀疏廣告來(lái)說(shuō)，則存在嚴(yán)重的冷啟動(dòng)（Cold Start）問(wèn)題。
　　廣告點(diǎn)擊率預(yù)測(cè)中的冷啟動(dòng)問(wèn)題是指對(duì)于剛剛進(jìn)入廣告庫(kù)的新廣告和稀

2、疏廣告而言，由于缺乏足夠的廣告點(diǎn)擊日志數(shù)據(jù)從而無(wú)法實(shí)現(xiàn)廣告點(diǎn)擊率的有效預(yù)測(cè)。本文以研究搜索廣告中的冷啟動(dòng)問(wèn)題為目標(biāo)，具體包含以下三方面的研究?jī)?nèi)容。
　　第一，廣告大數(shù)據(jù)的處理。廣告的日志數(shù)據(jù)十分龐大且復(fù)雜，因此，本文首先詳細(xì)分析了廣告日志中各個(gè)字段的具體含義，在此基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析和預(yù)處理，把握數(shù)據(jù)的整體分布情況，減弱一些無(wú)關(guān)的噪聲數(shù)據(jù)對(duì)數(shù)據(jù)總體性能的影響。最后詳細(xì)介紹了針對(duì)搜索廣告冷啟動(dòng)問(wèn)題使用的評(píng)價(jià)指標(biāo)及相應(yīng)算法。<

3、br>　　第二，高表現(xiàn)力特征的提取。當(dāng)廣告展現(xiàn)次數(shù)少時(shí)，新廣告和稀疏廣告的點(diǎn)擊數(shù)據(jù)表現(xiàn)出的特性不太穩(wěn)定，一些專(zhuān)門(mén)針對(duì)新廣告和稀疏廣告的點(diǎn)擊率預(yù)測(cè)方法主要集中在淺層的基本特征上，并沒(méi)有深入挖掘一些潛在的、抽象的信息。因此，針對(duì)新廣告和稀疏廣告統(tǒng)計(jì)數(shù)據(jù)不足的特點(diǎn)，我們提出了基于token的點(diǎn)擊圖特征，同時(shí)為了彌補(bǔ)人工經(jīng)驗(yàn)進(jìn)行特征組合的不足，我們?cè)诨咎卣鞯幕A(chǔ)上通過(guò)GBDT（Gradient Boost Decision Tree）模型生成

4、了表現(xiàn)力更強(qiáng)的新特征。實(shí)驗(yàn)結(jié)果表明，我們提取的特征不僅能提高新廣告和稀疏廣告的點(diǎn)擊率預(yù)測(cè)效果，同時(shí)也能改善老廣告的點(diǎn)擊率預(yù)測(cè)效果，很好的解決了搜索廣告中的冷啟動(dòng)問(wèn)題。
　　第三，在線更新算法的研究。受時(shí)間和硬件的限制，傳統(tǒng)的批量（batch）算法處理海量數(shù)據(jù)耗時(shí)且耗內(nèi)存，因此本文使用了基于在線更新算法的模型進(jìn)行點(diǎn)擊率預(yù)測(cè)，并利用了Adaboost框架進(jìn)行模型的融合。實(shí)驗(yàn)表明，在數(shù)據(jù)量大且數(shù)據(jù)稀疏的情況下預(yù)測(cè)模型依然有優(yōu)秀的性能表現(xiàn)