摘要：点击率(CTR)预估是电商和广告行业的关键业务之一,它影响着广告主的利润和用户的使用体验。由于广告数据的稀疏性,CTR预估充满了挑战,如何实现特征之间的有效交互是待解决的难题之一。然而,现有的CTR预估模型往往难以进行有效的特征交互。针对这些问题,提出了一种新的融合模型XCS模型,该模型基于交叉网络改进,将交叉网络和堆栈式自编码器(SAE)进行融合,并且加入了XGBoost在特征工程阶段选择和组合重要特征。该模型可以显式地捕捉有限阶次的特征组合,同时通过XGBoost利用了上下文特征信息。在Criteo公开数据集上进行实验,结果表明:XCS模型可以有效提升点击率预估的效果。

摘要：展示广告是网络广告的重要组成部分。在展示广告投放前对其点击情况进行预测不仅能够减少广告投放的成本也能够提高互联网公司的资源利用效率从而增加收入。随着大数据以及机器学习技术不断成熟,越来越多的公司采用相关技术预测广告点击率。本文从特征重要性以及模型适合性两个方面研究展示广告点击率预测问题。首先,文章通过对比广告特征、用户及上下文特征、媒体特征三大类特征发现广告特征对于广告点击率预测问题最为重要,同时加入媒体特征以及用户上下文特征也能够提升模型效果。其次,本文对比研究了常用于广告点击率预估的机器模型优劣,主要从模型性能以及模型耗时两个维度进行比较。本文发现逻辑回归模型、随机森林模型、梯度提升决策树模型是最适合解决广告点击率预测问题的机器学习模型。

摘要：以供应商和零售商组成的二级供应链为对象,引入大数据背景下的计算广告,建立了微分对策模型。比较分散模式、集中模式和契约模式下的最优决策,设计了联合收益共享、成本共担的双渠道协调机制。研究表明,基于微分对策的联合契约能够促成大数据背景下双渠道供应链动态合作广告的协调。最后,利用数值算例的仿真对结论进行验证。

摘要：关于仿真系统的建构与逻辑,在本期视点中已有所述及,本文将更进一步阐释系统的原理、构成与价值。笔者认为,系统的创新点有三:其一,在理论及定位层面,创造性地提出全域营销智能决策仿真系统,吸纳、呼应专业建设团队在计算广告、“新营销”等方面的系列研究成果及核心界定维度,同时以“知识产品”的定位实现对计算广告专业及学科发展的支撑;其二,在技术创新层面,在缺乏全量真实数据的情况下。

摘要：逻辑回归模型因其能够拟合广告点击发生事件常被应用到广告点击率预测中。预测结果受多方面因素的影响,而传统的一维特征向量模型训练得出的预测模型有效性不佳。针对这一问题,结合广告点击事件发生过程中特征向量自身存在的层次化结构和多元化特征,构建逻辑回归模型的多维特征组合向量,并将其用于预测广告点击率的逻辑回归模型参数的计算。通过大规模的数据实验,验证了多维特征组合训练的预测模型参数更加有效可靠,且通过预测模型计算出更加可信的广告点击率。

摘要：随着人工智能技术在广告行业的应用和发展,业界和学界对于广告发展的分析单元不断细化。利用基于知识图谱的文献计量可视化分析方法对国内外研究文献进行梳理,可以进一步分析广告智能化研究在行业热点、学术前沿、话题聚类等维度的共同点与差异点。研究发现,计算广告、视频智能广告、新媒体融合这三个领域的研究是目前国内外的研究热点并有进一步发展趋势。然而三者在研究对象和研究方法上存在一定的差异性,值得借鉴互补。研究结果表明:计算广告学的发展应进一步注入人文因素,考虑环境和受众的复杂性和多样性;视频智能广告研究和发展的核心应从精准化的动态图像识别和实时匹配两方面进行深入研究;新媒体的融合在研究方法上更加注重创新利用算法和模型构建对非结构化文本进行量化分析。三个研究领域的发展将进一步促进计算广告学的理论发展和学科构建。

摘要：广告联盟是互联网经济的重要组成部分,作为一种新型的产业,在快速蓬勃发展的同时蕴含了大量的刑事风险.对于广告联盟的商业模式、技术合法性、主体责任的研究不仅仅是网络生态治理的题中之义,也是开展刑法规制的必备前提,打击广告联盟商业模式中的不法行为,可以有效倒逼广告联盟参与方依法合规经营,落实网络安全管理义务,促进产业良性发展.

摘要：本文以文献计量学为研究方法,对中外程序化广告的研究热点、研究前沿、议题发展路径及变迁、研究主体与合作关系进行了探究。研究表明,国外研究以双路径发展为主,分别为技术实现导向和产业变革导向,前沿议题更侧重在线展示广告的竞价函数、战略、代理等环节要素,研究主体以中国学者为主导,合作网络初具规模;国内研究开展早、产量高,议题从宏大、流行概念术语推进至细分环节,探讨集中于模式、平台、流程的参与等构成要素,缺乏技术实现视角与实证研究,研究前沿紧跟时代热词,研究主体多为独立作者。中外研究主题延续性差,不少议题昙花一现,而计算广告学作为新交叉领域逐渐成为主流。

摘要：推荐系统能够在海量的信息中找到满足用户个性化需求的信息。随着深度学习的发展,深度学习也开始广泛被推荐系统所应用。CTR预估在推荐系统中起着重要作用,已被应用在个性化推荐、信息检索、在线广告等多个领域。针对推荐系统数据量大且稀疏的问题,文中将注意力网络和xDeepFM模型融合,提出了一种新的基于深度学习的CTR预估模型,即Atte-xDeepFM模型。该模型能够解决特征稀疏问题,有效学习特征之间的交互关系,且不需要手动提取特征工程中的有用信息。在Avazu数据集和Criteo数据集上进行的对比实验证明了文中提出的模型的有效性。与推荐系统CTR预估常用的算法模型对比,文中所提出的模型具有更好的推荐效果。

摘要：7月15日,“智变未来,向星而行”凯迪星云三周年司庆庆典活动在广州市四季酒店盛大举行。广东省社会组织总会党委书记、会长王长胜,广东省社会组织总会执行会长、凯迪星云董事长李希,广东省社会组织总会常务副会长、秘书长郭洁莹,凯迪星云CEO黄铧,云商会数字营销工程总顾问、广东省大数据与计算广告工程技术研究中心主任段淳林教授,新华网广东有限公司副总经理傅立新,山东省政协常委、山东省江西商会创会会长范友金,中国邮政集团有限公司广州市分公司党委书记、总经理朱平。