本文關(guān)鍵詞： 計(jì)算廣告 CTR 機(jī)器學(xué)習(xí)　出處：《華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年05期 　論文類型：期刊論文

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展和用戶的增長,廣告行業(yè)從傳統(tǒng)的線下廣告模式,逐步轉(zhuǎn)變?yōu)榫�上廣告模式.同時(shí),由于大數(shù)據(jù)分析技術(shù)的運(yùn)用,線上廣告模式相比于傳統(tǒng)廣告也體現(xiàn)了巨大的優(yōu)越性.廣告主之間相互競爭,通過競價(jià)的方式,將自己的廣告投放在運(yùn)營媒體的廣告位上.所以,在投放前預(yù)測該廣告可能被用戶點(diǎn)擊的概率(CTR),對于廣告主減少成本和增加可能收入來說非常重要.本文在調(diào)研了目前常用的廣告點(diǎn)擊率預(yù)測模型的基礎(chǔ)上,選取廣告主、廣告和投放媒體平臺信息作為預(yù)測模型的特征,采用真實(shí)數(shù)據(jù)集驗(yàn)證說明各種模型的優(yōu)劣性,以及不同特征對廣告點(diǎn)擊率預(yù)測結(jié)果的影響.
[Abstract]:With the development of the Internet and the growth of users, the advertising industry has gradually changed from the traditional offline advertising model to the online advertising mode. At the same time, due to the use of big data's analytical technology, Compared with traditional advertising, online advertising mode also shows great superiority. Advertisers compete with each other and place their advertisements in the advertising positions of the operating media by way of bidding. It is very important for advertisers to reduce the cost and increase the possible revenue by predicting the probability that the advertisement may be clicked by the user before putting it into service. This paper selects the advertiser on the basis of investigating the commonly used ad click rate prediction model. Advertising and media platform information is used as the feature of the prediction model. The real data set is used to verify the advantages and disadvantages of the models and the influence of different features on the prediction results of ad click rate.
【作者單位】： 華東師范大學(xué)數(shù)據(jù)科學(xué)與工程學(xué)院;長江口水文水資源勘測局;
【基金】：國家重點(diǎn)研發(fā)計(jì)劃(2016YFB1000905) 國家自然科學(xué)基金廣東省聯(lián)合重點(diǎn)項(xiàng)目(U1401256);國家自然科學(xué)基金(61672234,61402177) 華東師范大學(xué)信息化軟課題
【分類號】：TP181;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀英杰;葉宗民;金吉學(xué);;機(jī)器學(xué)習(xí)在入侵檢測中的應(yīng)用綜述[J];計(jì)算機(jī)安全;2010年03期

2 張龍璨;柳斌;李芝棠;;機(jī)器學(xué)習(xí)分類下網(wǎng)絡(luò)流量的特征選取[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年S1期

3 陳威;王利明;耿光剛;毛偉;李曉東;;基于機(jī)器學(xué)習(xí)的域名信用評價(jià)方法[J];計(jì)算機(jī)應(yīng)用研究;2012年02期

4 田新廣;高立志;張爾揚(yáng);;新的基于機(jī)器學(xué)習(xí)的入侵檢測方法[J];通信學(xué)報(bào);2006年06期

5 劉舉;;回歸模型中基于機(jī)器學(xué)習(xí)的流量預(yù)測算法[J];電腦知識與技術(shù);2012年04期

6 常衛(wèi)東;兩種機(jī)器學(xué)習(xí)型入侵檢測技術(shù)探討[J];寧波職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年02期

7 王俊;鄭笛;吳泉源;官延安;;服務(wù)計(jì)算環(huán)境下一種基于機(jī)器學(xué)習(xí)的負(fù)載預(yù)測方法研究[J];計(jì)算機(jī)科學(xué);2007年09期

8 于振洋;;回歸模型中基于機(jī)器學(xué)習(xí)的流量預(yù)測算法[J];淮海工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年01期

9 王濤;余順爭;;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類研究進(jìn)展[J];小型微型計(jì)算機(jī)系統(tǒng);2012年05期

10 許琦;;一種基于人工和機(jī)器學(xué)習(xí)相結(jié)合的教學(xué)網(wǎng)絡(luò)資源分類方法[J];中國信息技術(shù)教育;2013年12期

相關(guān)博士學(xué)位論文 前4條

1 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

2 解男男;機(jī)器學(xué)習(xí)方法在入侵檢測中的應(yīng)用研究[D];吉林大學(xué);2015年

3 鄭凱梅;基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測分類研究[D];中國礦業(yè)大學(xué)（北京）;2010年

4 魯剛;基于機(jī)器學(xué)習(xí)的流量分類算法研究[D];哈爾濱工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學(xué);2015年

2 張蕾;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)輿情采集技術(shù)研究與設(shè)計(jì)[D];電子科技大學(xué);2014年

3 施宇;基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的木馬檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

4 郭成林;基于Spark平臺的惡意流量監(jiān)測分析系統(tǒng)[D];北京交通大學(xué);2016年

5 姜羽;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類算法研究[D];東南大學(xué);2015年

6 肖鋒;基于遷移學(xué)習(xí)和在線學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法研究[D];哈爾濱理工大學(xué);2016年

7 楊宜辰;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類技術(shù)研究與應(yīng)用[D];安徽理工大學(xué);2014年

8 趙忠華;基于機(jī)器學(xué)習(xí)的入侵檢測研究[D];山東大學(xué);2009年

9 姜海東;基于機(jī)器學(xué)習(xí)的異常流量檢測[D];南京郵電大學(xué);2014年

10 張倩;基于機(jī)器學(xué)習(xí)的入侵檢測[D];浙江大學(xué);2008年

，

本文編號：1547455