【摘要】：當(dāng)今時(shí)代,互聯(lián)網(wǎng)的飛速發(fā)展大大改變了人們的生活,而在線廣告業(yè)務(wù)作為互聯(lián)網(wǎng)利潤(rùn)的最大來(lái)源一直備受矚目。無(wú)論是學(xué)界還是工業(yè)界都為廣告技術(shù)的發(fā)展投入了大量的人力物力。在以機(jī)器學(xué)習(xí)為主的新技術(shù)的沖擊下,在線廣告推送以及用戶數(shù)據(jù)挖掘都進(jìn)入了新的人工智能時(shí)代。在線廣告是一項(xiàng)新興的研究課題,它涉及到機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、心理學(xué)甚至包括微觀經(jīng)濟(jì)學(xué)等諸多領(lǐng)域的知識(shí)。傳統(tǒng)的廣告點(diǎn)擊率預(yù)估是基于人工規(guī)則和基本的時(shí)間分片方法對(duì)廣告數(shù)據(jù)直接建模,這帶來(lái)了一系列問(wèn)題,例如模型運(yùn)行慢、廣告特征稀疏、冷啟動(dòng)、廣告點(diǎn)擊率預(yù)估成功率低等等。針對(duì)以上問(wèn)題,本文通過(guò)使用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的相關(guān)方法,基于改進(jìn)的時(shí)間分片算法提出一種新的時(shí)間片劃分算法,以此對(duì)海量數(shù)據(jù)提取特征。之后對(duì)提取的新特征提出一種因子分解的方式,將基于廣告點(diǎn)擊的協(xié)同過(guò)濾問(wèn)題轉(zhuǎn)化為用戶-商品對(duì)排序問(wèn)題,大大降低了高維特征的稀疏性。此外,本文也基于時(shí)間分片提出了壓縮時(shí)間維度的相關(guān)優(yōu)化特征提取方法,最后實(shí)驗(yàn)應(yīng)用梯度提升樹(shù),極限梯度提升樹(shù),多層感知機(jī)三種模型進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明算法提高了廣告點(diǎn)擊率預(yù)估的準(zhǔn)確性。實(shí)驗(yàn)的數(shù)據(jù)來(lái)源是京東JData算法大賽真實(shí)用戶數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明本文提出的改進(jìn)時(shí)間分片算法在點(diǎn)擊率預(yù)問(wèn)題上較一般傳統(tǒng)方法有較大進(jìn)步,在京東官方評(píng)價(jià)指標(biāo),計(jì)算廣告普遍使用的AUC值等評(píng)價(jià)指標(biāo)上都有較優(yōu)異的表現(xiàn)。
【圖文】：

圖 1.1 中國(guó)網(wǎng)絡(luò)廣告市場(chǎng)規(guī)模和增長(zhǎng)率在線廣告領(lǐng)域中的產(chǎn)品和業(yè)務(wù)邏輯都相當(dāng)復(fù)雜。為了在宏觀上對(duì)在線廣告更深的理解，應(yīng)當(dāng)注意兩個(gè)重點(diǎn)：一是內(nèi)涵方面，即在線廣告的定義與目的；是外延方面，即在線廣告的發(fā)展歷史和發(fā)展過(guò)程中產(chǎn)生的關(guān)鍵產(chǎn)品形態(tài)[3]。從根本上說(shuō)，廣告的目的是希望借助高效的傳播渠道來(lái)快速接觸大量人群進(jìn)而宣傳品牌形象，最終提升商品購(gòu)買與利潤(rùn)率。我們把這樣的廣告稱為品牌告（Brand Awareness），也叫做效果廣告。高投送量和廣告效果優(yōu)化這兩點(diǎn)是統(tǒng)的廣告產(chǎn)品所缺乏的。這是因?yàn)閭鹘y(tǒng)媒體缺乏有效的技術(shù)手段能在短期內(nèi)追廣告對(duì)目標(biāo)人群精準(zhǔn)投放的效果，而互聯(lián)網(wǎng)的出現(xiàn)讓廣告行業(yè)得到了蓬勃發(fā)展這里有兩方面原因：一是借助互聯(lián)網(wǎng)我們可以低成本投放個(gè)性化廣告；二是可通過(guò)在線服務(wù)更清楚地了解用戶意圖，如搜索、電子商務(wù)等等，，這樣更容易優(yōu)廣告效果。在線廣告不同于傳統(tǒng)的線下廣告，在線廣告的創(chuàng)意形式更側(cè)重互聯(lián)和用戶商品交互等方面。目前在線廣告的主流投放方式有搜索廣告、展示廣告文字廣告和社交媒體廣告等形式，其中展示廣告（DisplayAdvertising）和搜索

數(shù)據(jù)問(wèn)題：如果相關(guān)技術(shù)手段無(wú)法通過(guò)數(shù)據(jù)采樣來(lái)降低處理的復(fù)雜程度，就必須用到一些為處理海量數(shù)據(jù)而設(shè)計(jì)的計(jì)算和存儲(chǔ)技術(shù)（Hadoop 等）。這樣從工程上我們就可以將它歸為大數(shù)據(jù)問(wèn)題，如下圖 1.2 闡述了這一視角。圖 1.2 大數(shù)據(jù)問(wèn)題的特性示意在圖 1-2 中，我們考察的是某一個(gè)有確定目標(biāo)函數(shù)的數(shù)據(jù)處理問(wèn)題。圖中的三條曲線是三類有代表性的數(shù)據(jù)問(wèn)題。（1）對(duì)于傳統(tǒng)數(shù)據(jù)的處理，而非大數(shù)據(jù)問(wèn)題，如一般的統(tǒng)計(jì)表格、業(yè)務(wù)報(bào)告等等，只要簡(jiǎn)單的數(shù)據(jù)采樣就能有效解決問(wèn)題，即目標(biāo)函數(shù)沒(méi)有太大的下降，我們用傳統(tǒng)的數(shù)據(jù)方案就可以解決。這一類的問(wèn)題可由曲線 C 表示。（2）而對(duì)一些數(shù)據(jù)問(wèn)題，只處理小部分?jǐn)?shù)據(jù)無(wú)法比擬分析全部數(shù)據(jù)所能達(dá)到的效果，即隨著樣本量的減少，問(wèn)題的目標(biāo)函數(shù)呈現(xiàn)出迅速下降的趨勢(shì)，這時(shí)傳統(tǒng)的存儲(chǔ)和計(jì)算架構(gòu)都無(wú)法處理大規(guī)模的海量數(shù)據(jù)，必須尋找新的解決辦法，這也是推動(dòng)大數(shù)據(jù)技術(shù)發(fā)展的原動(dòng)力。個(gè)性化推薦（personalized recommendation）和在線廣告（computational advertising）對(duì)每一個(gè)人的個(gè)體行為進(jìn)行精準(zhǔn)推送，并且它們無(wú)法通過(guò)只分析一部分人來(lái)處理
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;F713.8;F49

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;數(shù)字[J];廣告大觀(綜合版);2013年06期

2 程征;;傳統(tǒng)媒體在線廣告漸入佳境[J];中國(guó)記者;2010年07期

3 程征;郭雨;;美國(guó)傳統(tǒng)媒體在線廣告回暖的六個(gè)秘訣[J];中國(guó)記者;2010年10期

4 杰森·庫(kù)珀曼;;在線廣告：冬天里的自我改善[J];商務(wù)周刊;2009年01期

5 詹尼弗·薩巴;張世海;;報(bào)業(yè)的在線廣告該怎么做?[J];中國(guó)報(bào)業(yè);2009年12期

6 楊偉慶;;從新浪看2008年在線廣告[J];互聯(lián)網(wǎng)周刊;2008年06期

7 詹逾;;浙江在線廣告公交車上路[J];新聞實(shí)踐;2007年05期

8 陳杰;;在線廣告模式是靈丹妙藥嗎?[J];市場(chǎng)觀察;2007年09期

9 ;2008年美在線廣告市場(chǎng)將達(dá)207億美元[J];印刷技術(shù);2007年31期

10 方蕾;;在線廣告事倍功半 長(zhǎng)期利益及短期回報(bào)需慎重權(quán)衡[J];IT時(shí)代周刊;2006年01期

相關(guān)會(huì)議論文 前2條

1 陳可;;我國(guó)網(wǎng)絡(luò)廣告的現(xiàn)狀、問(wèn)題和趨勢(shì)分析[A];科技傳播與社會(huì)發(fā)展——中國(guó)科技新聞學(xué)會(huì)第七次學(xué)術(shù)年會(huì)暨第五屆全國(guó)科技傳播研討會(huì)論文集[C];2002年

2 張政;;基于MTI案例教學(xué)的實(shí)踐與探索[A];2011年中國(guó)翻譯職業(yè)交流大會(huì)論文集[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 Ingmar G. Weber 卡塔爾計(jì)算研究所 社會(huì)計(jì)算研究主任;如何將在線廣告數(shù)據(jù)轉(zhuǎn)換為服務(wù)社會(huì)的強(qiáng)大動(dòng)力[N];人民郵電;2019年

2 記者 林露虹;美圖發(fā)布半年報(bào)在線廣告收入比增27.2%[N];廈門日?qǐng)?bào);2019年

3 本報(bào)記者 曉鏡;搶灘媒體之后，是在線廣告領(lǐng)域？[N];人民郵電;2018年

4 嚴(yán)海;亞馬遜在線廣告深具潛力[N];中華工商時(shí)報(bào);2013年

5 黃繼匯;澳大利亞電信搶灘中國(guó)在線廣告陣地[N];中國(guó)證券報(bào);2008年

6 ;在線廣告衰退累及Yahoo股票[N];中國(guó)計(jì)算機(jī)報(bào);2000年

7 ;在線廣告降價(jià)超過(guò)三成[N];中國(guó)計(jì)算機(jī)報(bào);2001年

8 ;在線廣告撲面而來(lái)[N];中國(guó)計(jì)算機(jī)報(bào);2001年

9 本報(bào)記者 雷注發(fā);借助寬帶在線廣告紅火指日可待[N];通信信息報(bào);2003年

10 一鳴;歐洲在線廣告市場(chǎng)急速增長(zhǎng)[N];中國(guó)圖書商報(bào);2011年

相關(guān)博士學(xué)位論文 前3條

1 王永;在線廣告網(wǎng)絡(luò)的評(píng)估與優(yōu)化[D];電子科技大學(xué);2011年

2 歐海鷹;互聯(lián)網(wǎng)環(huán)境下在線廣告位置管理研究[D];北京郵電大學(xué);2011年

3 紀(jì)文迪;時(shí)間敏感的轉(zhuǎn)化率預(yù)測(cè)和歸因分析[D];華東師范大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 張思遙;在線廣告需求方平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

2 張永歡;在線廣告資源管理與發(fā)布系統(tǒng)[D];山東大學(xué);2018年

3 胡曉紅;基于眼動(dòng)追蹤的在線廣告效果研究[D];山東師范大學(xué);2018年

4 張志浩;基于深度學(xué)習(xí)的在線廣告點(diǎn)擊率預(yù)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2015年

5 蔣俊翔;在線廣告中的點(diǎn)擊率和轉(zhuǎn)化率預(yù)估問(wèn)題研究[D];華南理工大學(xué);2018年

6 徐智;基于改進(jìn)時(shí)間分片算法的在線廣告點(diǎn)擊率預(yù)估研究[D];南昌大學(xué);2018年

7 代文濤;面向搜索引擎的在線廣告系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

8 武澤群;面向電子商務(wù)網(wǎng)站的在線廣告系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

9 韓靜（Jim Han）;在線廣告DSP平臺(tái)實(shí)時(shí)競(jìng)價(jià)算法的研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

10 曾輝;因特網(wǎng)在線廣告的互動(dòng)性研究[D];西南交通大學(xué);2002年

本文編號(hào)：2641462