本文選題：實時競價 + 點擊率預測�。� 參考：《電子科技大學》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)技術的快速發(fā)展及廣泛普及,越來越多的廣告活動逐漸從線下轉(zhuǎn)換到線上。目前,互聯(lián)網(wǎng)廣告中的展示廣告的一種主要投放渠道是通過實時競價系統(tǒng)(Real Time Biding,RTB)投放。在RTB中,需求方平臺需要對每個到來的廣告曝光機會,按照廣告活動投放規(guī)則計算其競標價格,競標價格將直接決定該廣告是否能被投放,因此是RTB中的一個關鍵問題。作為一種新穎的廣告投放方式,RTB中的許多關鍵算法還存在較大的優(yōu)化空間,本論文將針對面向展示廣告的實時競價系統(tǒng),特別是其中的出價問題展開研究。本論文首先針對預算受限下的出價問題展開研究,將其建模為一個預算約束受限下的收益最優(yōu)化問題,然后分別針對其中的點擊率預測模型以及預算管理框架下的出價函數(shù)兩方面展開研究。在點擊率預測模型方面,本論文提出一個基于張量和深度學習的點擊率預測模型,該模型首先將點擊率預測涉及到的三個方面的特征建立為三階張量,通過笛卡爾乘積得到三元特征組合;然后利用多項式回歸方法學習每個特征的隱含向量和權(quán)重;最后利用學習得到的隱含向量和單個特征的權(quán)重作為深度神經(jīng)網(wǎng)絡的輸入,重新基于訓練集學習點擊率預測模型。在RTB的出價算法和預算管理方面,本論文設計了一個基于歷史成交價格和失敗競標價格的中標率預測模型,從而有效提升了需求方平臺出價算法的有效性。此外考慮到每個廣告活動在其投放周期內(nèi)的預算有限,為了使得廣告活動在每個時段都能平滑地投放,本論文還設計了一個基于時段廣告流量和中標率的廣告預算的預分配和實時調(diào)整方案。點擊率預測模型在iPinYou的數(shù)據(jù)集上對提出的點擊率預測模型進行了性能評估,并將其與目前主要的預測模型的性能進行了對比分析,結(jié)果表明本文提出的預測模型的AUC指標比因子分解機的預測提升了2.7%,比邏輯回歸預測提升了3.8%。而基于iPinYou的大規(guī)模實驗表明,按照本文提出的中標率預測模型的出價算法,其獲得的用戶點擊數(shù)比提升了2.8%。在本文提出的預算管理框架下,用戶點擊數(shù)比不采用預算管理提升了8%。
[Abstract]:With the rapid development and widespread popularity of Internet technology, more and more advertising activities are gradually converted from line to line. At present, the main channel of display advertising in Internet advertising is to put in the Real Time Biding (RTB). In RTB, the demand side platform needs every coming advertisement exposure machine. It is a key problem in RTB. As a new way of advertising, many key algorithms in RTB still have larger optimization space. This paper will be aimed at real time bidding for display advertising. This paper first studies the bidding problem under budget constraints, and model it into a revenue optimization problem with limited budget constraints, and then studies the two aspects of the click rate forecasting model and the price function under the framework of budget management. In this paper, a clicking rate prediction model based on tensor and depth learning is proposed in this paper. First, the three characteristics of click rate prediction are set up as three order tensors, and the combination of three element features is obtained by Descartes product. Then the implicit vector of each feature is learned by multi term regression method. Finally, using the implicit vector of learning and the weight of a single feature as the input of the deep neural network, we re based on the learning click rate prediction model of the training set. In the RTB bidding algorithm and budget management, this paper designs a prediction model based on the rate of history transaction price and the failure bid price. It effectively improves the effectiveness of the demand side platform bid algorithm. In addition, considering the limited budget of each advertising campaign in its launch cycle, in order to make the advertising activities put smoothly at every time period, this paper also designs a pre allocation and real-time adjustment scheme based on the traffic and the rate of bid rate. The clicking rate prediction model performs a performance evaluation on the proposed click rate prediction model on the iPinYou data set, and compares it with the performance of the main prediction model. The results show that the prediction model proposed in this paper has been improved by 2.7% compared with the factor decomposer, which is better than the logical regression prediction by 3.8%.. And that large-scale experiments based on iPinYou, according to the bidding algorithm proposed in this paper the successful rate prediction model, the user clicks than to enhance the budget management framework 2.8%. is proposed in this paper, the user clicks the 8%. is raised by not using budget management
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F713.8;TP18

【相似文獻】

相關期刊論文 前10條

1 王文蓮;張志宇;;預測模型智能選擇的探討[J];中國管理信息化;2006年02期

2 師瑞峰;周一民;;基于數(shù)據(jù)挖掘的人口數(shù)據(jù)預測模型綜述[J];計算機工程與應用;2008年09期

3 姚光圻;趙榮黎;;場強預測模型分析及應用[J];移動通訊裝備;1987年05期

4 唐蕓,秦秀華,蘇杰南;一種簡易預測模型的應用[J];林業(yè)調(diào)查規(guī)劃;2002年02期

5 吳學雁;辜敏;漆晨曦;;綜合運用各種建模方法提高預測模型的準確度[J];廣東通信技術;2006年06期

6 張飛飛;吳杰;呂智慧;;云計算資源管理中的預測模型綜述[J];計算機工程與設計;2013年09期

7 廖燦平,柳玉柏;科技期刊發(fā)行量的灰色預測模型[J];編輯學報;1990年04期

8 劉曉雁,方憶岡;“讀者需求”預測模型[J];晉圖學刊;1997年02期

9 張慧敏;宋東;郭勇;王彥松;;故障預測模型的評價方法研究[J];測控技術;2013年05期

10 謝開貴,何斌,鄭繼明;灰色預測模型建模方法探討[J];重慶郵電學院學報;1998年03期

相關會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經(jīng)模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡的糧食產(chǎn)量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

相關重要報紙文章 前10條

1 劉慶;“預測模型”要緩行[N];網(wǎng)絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 施衛(wèi)康;全面預算管理讓企業(yè)更上層樓[N];中國交通報;2005年

6 李超 王明 張祖輝;礦長眼中的全面預算管理[N];中國黃金報;2003年

7 張儒琳;不要妖魔化全面預算管理軟件的作用[N];經(jīng)理日報;2007年

8 風痕;全面預算管理軟件市場將達到295.41億元[N];大眾科技報;2008年

9 ;全面預算管理軟件市場將進入井噴期[N];財會信報;2008年

10 非凡;全面預算管理軟件市場將達到295.41億元[N];民營經(jīng)濟報;2008年

相關博士學位論文 前10條

1 夏穎;WLAN室內(nèi)半監(jiān)督定位及指紋更新算法研究[D];哈爾濱工業(yè)大學;2016年

2 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質(zhì)大學;2015年

3 張麗;牦牛肉用品質(zhì)特性及近紅外預測模型和產(chǎn)量等級系統(tǒng)的研究[D];中國農(nóng)業(yè)科學院;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農(nóng)業(yè)大學;2016年

5 文江平;農(nóng)村地區(qū)成人2型糖尿病發(fā)生風險相關生物標志物的篩選及預測模型的建立[D];中國人民解放軍醫(yī)學院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預測模型在瓣膜置換術后抗凝治療中的應用[D];天津醫(yī)科大學;2016年

7 孫鵬;風電機組狀態(tài)異常辨識廣義模型與運行風險評估方法研究[D];重慶大學;2016年

8 馬新;基于灰色系統(tǒng)與核方法的油藏動態(tài)預測方法研究[D];西南石油大學;2016年

9 付中濤;基于切削力預測模型的復雜曲面銑削進給速度優(yōu)化研究[D];華中科技大學;2015年

10 王慧;胸外科患者術后慢性疼痛預測模型的建立[D];北京協(xié)和醫(yī)學院;2014年

相關碩士學位論文 前10條

1 李佩倫;實時競價系統(tǒng)中出價算法的研究與實現(xiàn)[D];電子科技大學;2017年

2 田正東;基于子空間分析的DOA估計算法研究[D];南京郵電大學;2017年

3 趙程檐;花授粉算法的研究及應用[D];廣西民族大學;2017年

4 葉曉平;高階多模型狀態(tài)估計算法及應用[D];哈爾濱工業(yè)大學;2017年

5 韋陽陽;兩類廣義多乘積規(guī)劃問題的優(yōu)化算法[D];河南師范大學;2017年

6 李曉萍;有約束條件優(yōu)化問題的MM算法[D];蘭州大學;2017年

7 李全;游客行程多目標智能規(guī)劃算法研究[D];電子科技大學;2017年

8 張亞男;基于混合聚類算法的微博熱點話題發(fā)現(xiàn)的研究[D];杭州電子科技大學;2017年

9 曹楊芹;惡意節(jié)點攻擊下的基于RSS測量值的壓縮感知定位算法[D];南京郵電大學;2017年

10 鄒柯;無線傳感器網(wǎng)絡定位算法及其安全研究[D];杭州電子科技大學;2017年

，

本文編號：2045158