【摘要】：隨著互聯(lián)網(wǎng)和通訊技術(shù)的快速發(fā)展以及大數(shù)據(jù)時(shí)代的到來(lái),“互聯(lián)網(wǎng)+廣告”(網(wǎng)絡(luò)廣告)的營(yíng)銷模式已經(jīng)成為企業(yè)宣傳推廣商品和獲取盈利的主要渠道之一。近年來(lái),展示廣告(Display Advertising)發(fā)展勢(shì)頭強(qiáng)勁,是網(wǎng)絡(luò)廣告應(yīng)用最廣泛的模式和最重要的組成部分。在CPC(Cost per Click)計(jì)費(fèi)模式下,廣告推薦系統(tǒng)能否準(zhǔn)確預(yù)估展示廣告的點(diǎn)擊率(Click-through Rate,CTR)是工業(yè)界和學(xué)術(shù)界研究的核心問(wèn)題,因?yàn)樘岣邚V告點(diǎn)擊率的準(zhǔn)確率有利于提高廣告商和廣告主的收入,具有十分重要的意義。本文以淘寶網(wǎng)展示廣告歷史點(diǎn)擊日志為實(shí)驗(yàn)數(shù)據(jù)集,以提高廣告點(diǎn)擊率預(yù)估的準(zhǔn)確率為目標(biāo),在分析了不同類型特征下單一的邏輯回歸模型(Logistic Regression,LR)和因子分解機(jī)模型(Factorization Machine,FM)的實(shí)驗(yàn)結(jié)果后,考慮到同一用戶特征對(duì)不同用戶群廣告點(diǎn)擊行為的影響,提出使用基于用戶相似度和特征分化的點(diǎn)擊率預(yù)估方法(Advertising Click-through Rate Estimation Based on User Similarity and Feature Differentiation,USFD)以提高點(diǎn)擊率預(yù)估精度。具體主要包含以下幾個(gè)方面:首先,本文詳細(xì)介紹了實(shí)驗(yàn)數(shù)據(jù)集和數(shù)據(jù)集中每個(gè)字段的含義,給出了提取訓(xùn)練集和測(cè)試集的方法及標(biāo)準(zhǔn),對(duì)連續(xù)型特征和離散型特征分別進(jìn)行了離散化和獨(dú)熱編碼(One-Hot Encoding)處理。最后,提出了評(píng)價(jià)模型性能的指標(biāo)ROC曲線和AUC得分以及選擇該指標(biāo)的原因。其次,本文使用單一的邏輯回歸模型和因子分解機(jī)模型對(duì)廣告點(diǎn)擊率進(jìn)行了預(yù)測(cè)。通過(guò)將具體特征、分類特征和全部特征分別作為模型的輸入變量,發(fā)現(xiàn)使用全部特征的因子分解機(jī)模型預(yù)估效果最好,為下一步使用USFD方法選擇預(yù)估子模型時(shí)奠定了基礎(chǔ)。最后,由于單一的預(yù)估模型沒(méi)有處理用戶特征和用戶關(guān)系的缺陷,提出使用USFD方法這一組合模型預(yù)估廣告點(diǎn)擊率。它先使用高斯混合模型(Gaussian Mixture Model,GMM)根據(jù)用戶相似度將用戶聚類,然后在各個(gè)用戶子集下基于數(shù)據(jù)的全部特征使用因子分解機(jī)模型預(yù)估點(diǎn)擊率。對(duì)于每條測(cè)試樣例,將其與各個(gè)子集的相似度作為其在對(duì)應(yīng)子集下子模型預(yù)估的點(diǎn)擊率的權(quán)重,得到測(cè)試樣例最終的預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,USFD方法比單一模型預(yù)估效果好,它的AUC得分相對(duì)邏輯回歸模型和因子分解機(jī)模型分別提高了19.1%和9.6%。
【圖文】：

■網(wǎng)絡(luò)廣告牧入規(guī)橫（億元）邐《報(bào)礦告收入規(guī)梭（億元）逡逑雜志廣T?哎入墢億元）逡逑圖１．２邋２０１３－２０１８年中國(guó)五大媒體廣告收入規(guī)模及預(yù)測(cè)逡逑１．１．２網(wǎng)絡(luò)廣告的分類和計(jì)費(fèi)模式逡逑網(wǎng)絡(luò)廣告根據(jù)應(yīng)用場(chǎng)景特點(diǎn)可以分為三種形式，即：搜索引擎廣告、上下文逡逑廣告和展示廣告。搜索引擎廣告（Ｓｅａｒｃｈ邋Ａｄｖｅｒｔｉｓｉｎｇ）是指用戶向搜索引擎提交查逡逑詢字段之后，，系統(tǒng)自動(dòng)在搜索引擎的返回結(jié)果頁(yè)面中插入和用戶檢索關(guān)鍵詞相關(guān)逡逑的廣告。上下文廣告（Ｃｏｎｔｅｘｔｕａｌ邋Ａｄｖｅｒｔｉｓｉｎｇ）是指在用戶瀏覽網(wǎng)頁(yè)時(shí)，根據(jù)網(wǎng)頁(yè)上逡逑下文內(nèi)容投放商業(yè)文本廣告或圖片。展示廣告（Ｄｉｓｐｌａｙ邋Ａｄｖｅｒｔｉｓｉｎｇ）指用戶進(jìn)入某逡逑個(gè)環(huán)境（如某個(gè)頁(yè)面或某個(gè)ＡＰＰ）之后，以圖片或視頻形式出現(xiàn)的網(wǎng)絡(luò)廣告，它的逡逑２逡逑

南京大學(xué)碩士論文第一章緒論２０１３－２０２０年中國(guó)網(wǎng)絡(luò)廣告市場(chǎng)規(guī)楱及預(yù)測(cè)逡逑１０，０００邋４３ｔＱＣ／0邐３９．９％邐４１＾３％邐３２．０％邐３0．0％邐３１．０％邐２７．７％邐２４邋９％逡逑７８３６．９逡逑８，０００逡逑６２７３邋４逡逑：１邐：邋Ｐｒ邋＿逡逑２０１３邐２０１４邐２０１Ｓ邋２０１６邐２０１７邐２０１８ｅ邐２０１９ｅ邐２０２０ｅ逡逑網(wǎng)絡(luò)廣T?市場(chǎng)規(guī)模（億元）邐同比增長(zhǎng)率逡逑圖１．１邋２０１３－２０２０年中國(guó)網(wǎng)絡(luò)廣告市場(chǎng)規(guī)模及預(yù)測(cè)逡逑－
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F713.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;實(shí)時(shí)競(jìng)價(jià)廣告(RTB,Real-Time bidding)市場(chǎng)規(guī)模將占美國(guó)展示廣告市場(chǎng)的13%[J];廣告大觀(理論版);2012年06期

2 Shailesh Rao;;展示廣告“重生”[J];成功營(yíng)銷;2011年08期

3 韓國(guó)濤;;機(jī)場(chǎng)展示廣告的真實(shí)感和震撼力[J];聲屏世界·廣告人;2017年03期

4 姜茜;;網(wǎng)絡(luò)虛擬展示廣告的視覺(jué)設(shè)計(jì)研究[J];藝術(shù)與設(shè)計(jì)(理論);2010年03期

5 楊明;王彤;;淺析網(wǎng)絡(luò)虛擬展示廣告在傳統(tǒng)媒體中的視覺(jué)效應(yīng)[J];中國(guó)包裝;2017年11期

6 華筠;;技術(shù)創(chuàng)新,Google發(fā)力展示廣告[J];廣告大觀(綜合版);2010年10期

7 李小冰,魏滿濤;廣告英語(yǔ)常用的修辭格[J];鄭州經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào);2003年04期

8 ;兩會(huì)地方“顏值”報(bào)告[J];領(lǐng)導(dǎo)決策信息;2016年11期

9 周再宇;;Google的展示廣告[J];新?tīng)I(yíng)銷;2012年05期

10 盧葉眉;;大數(shù)據(jù)黃金時(shí)代的社交廣告潛力[J];聲屏世界·廣告人;2015年12期

相關(guān)重要報(bào)紙文章 前10條

1 記者 霍鑫;網(wǎng)絡(luò)展示廣告智能化 搜索引擎巨頭發(fā)力[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2011年

2 本報(bào)記者 許泳;Google 展示廣告網(wǎng)絡(luò)化繁為簡(jiǎn)[N];計(jì)算機(jī)世界;2011年

3 張琪;Google中國(guó)：搜索停擺之后[N];經(jīng)濟(jì)觀察報(bào);2011年

4 本報(bào)記者 焦麗莎;谷歌瞄準(zhǔn)展示廣告[N];中國(guó)經(jīng)濟(jì)時(shí)報(bào);2012年

5 見(jiàn)習(xí)記者 焦麗莎;谷歌欲借展示廣告突圍[N];中國(guó)經(jīng)濟(jì)時(shí)報(bào);2011年

6 本報(bào)記者 方方;谷歌發(fā)力展示廣告[N];中國(guó)經(jīng)濟(jì)導(dǎo)報(bào);2011年

7 本報(bào)記者 趙正;RTB能否成為傳統(tǒng)營(yíng)銷“終結(jié)者”[N];中國(guó)經(jīng)營(yíng)報(bào);2013年

8 本報(bào)記者 許泳;Google廣告低調(diào)繁榮[N];計(jì)算機(jī)世界;2010年

9 本報(bào)記者 趙正;RTB廣告產(chǎn)業(yè)鏈商機(jī)浮現(xiàn)[N];中國(guó)經(jīng)營(yíng)報(bào);2012年

10 記者 劉佳;谷歌中國(guó)發(fā)力展示廣告[N];第一財(cái)經(jīng)日?qǐng)?bào);2011年

相關(guān)碩士學(xué)位論文 前9條

1 韋玲麗;基于USFD方法的展示廣告點(diǎn)擊率的預(yù)估[D];南京大學(xué);2019年

2 宮晨;展示廣告點(diǎn)擊率預(yù)估模型的設(shè)計(jì)與實(shí)現(xiàn)[D];東南大學(xué);2018年

3 徐田;展示廣告點(diǎn)擊率預(yù)估平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2017年

4 張文澤;基于在線學(xué)習(xí)的展示廣告系統(tǒng)研究與設(shè)計(jì)[D];浙江大學(xué);2016年

5 姜茜;網(wǎng)絡(luò)虛擬展示廣告的視覺(jué)傳達(dá)設(shè)計(jì)[D];江南大學(xué);2008年

6 嚴(yán)嶺;展示廣告中點(diǎn)擊率預(yù)估問(wèn)題研究[D];上海交通大學(xué);2015年

7 林小溪;在線展示廣告的最優(yōu)合約規(guī)模與定價(jià)策略研究[D];北京外國(guó)語(yǔ)大學(xué);2016年

8 李恒峰;在線分類廣告市場(chǎng)研究[D];清華大學(xué);2005年

9 欒倩楠;網(wǎng)絡(luò)視頻廣告的應(yīng)用價(jià)值研究[D];浙江傳媒學(xué)院;2015年

本文編號(hào)：2666254