基于用户相似度和特征分化的广告点击率预测研究

作     者：潘书敏 颜娜 谢瑾奎 PAN Shu-min YAN Na XIE Jin-kui

作者机构：华东师范大学计算机科学技术系上海200241 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2017年第44卷第2期

页      码：283-289页

摘      要：大数据环境下如何对互联网广告进行精准投放一直是计算广告学领域高度关注的问题。作为在线广告投放效果的一个重要指标,点击率的精确预测关系到媒体、用户和广告主三方的利益。目前的主流方法是通过抽取特征建立单一点击率预测模型,其不足之处在于使用单个权重来度量特征对点击率的影响过于片面。该研究基于分而治之的思想,提出了基于用户相似度和特征分化的混成模型。该模型首先根据混合高斯分布来评估用户相似度,将其划分为多个群体。针对不同群体,分别构建子模型并进行有效组合,从而挖掘同一特征对不同群体的差异化影响,进而准确地预测广告点击行为。通过使用真实互联网公司的广告数据集进行实验,并与主流方法做了详细的对比分析,检验了该方法的有效性。

主 题 词：计算广告学 点击率预测 用户相似度 特征分化 混成模型 

学科分类：0810[工学-土木类] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0835[0835] 081002[081002] 

D　O　I：10.11896/j.issn.1002-137X.2017.02.048

馆 藏 号：203215563...