近年來,隨著互聯(lián)網(wǎng)的迅猛發(fā)展,信息傳播成為互聯(lián)網(wǎng)交流的主要方式。互聯(lián)網(wǎng)廣告,作為新的信息傳播方式,給互聯(lián)網(wǎng)的發(fā)展產(chǎn)生的深遠的影響的同時,也成為大部分互聯(lián)網(wǎng)企業(yè)盈利的主要方式之一�；ヂ�(lián)網(wǎng)公司廣告業(yè)務中的千次展示期望收入eCPM(expected Cost Per Mille),是衡量營收的重要量化指標之一,表現(xiàn)為點擊率和點擊價值的乘積,而點擊價值在廣告投放之初就已經(jīng)確定,所以點擊率就成為特別重要的參數(shù)。準確預估點擊率對廣告主來說,提高了廣告商品的宣傳和推廣;對于廣告平臺商來說,可以獲取更多的收益;對于廣大用戶來說,可以提高用戶體驗,可以更好的針對性的獲取廣告信息。本文主要研究基于展示廣告的點擊率預估模型。不同于傳統(tǒng)的搜索廣告,展示廣告的點擊數(shù)據(jù)更加稀疏,長尾效應也比較明顯,且在點擊率預估的時候需要同時考慮離散特征和連續(xù)特征這兩種不同形式,導致點擊率的準確預估比較困難。針對上述問題,為了更高效和準確地預估出展示廣告的廣告點擊率,論文提出模型組合的思想,即在特征提取階段建立不同類型的決策樹使曝光數(shù)少的長尾廣告和新廣告可以得到充分的訓練;同時針對兩種形式的特征,將連續(xù)特征通過決策樹來離散化,然... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

原型系統(tǒng)總框架圖

圖 4-1 各模型 ROC 曲線圖表 4-15 各模型線下 AUC 值對比表特征 模型 AUC人工組合 LR 0.8322人工組合 FM 0.8502DT 自動組合 LR 0.8596st+FM 自動組合 LR 0.8599圖 4-1 的 AUC 數(shù)據(jù)整理到表 4-15 中，通過觀察 AUC 值可以發(fā)現(xiàn)本文設計的組C 上的表現(xiàn)明顯優(yōu)于幾個基線模型。）不同模型線下 LogLoss 值的對比實驗式 4-5 可以計算出不同模型的 LogLoss 值，如表 4-16 所示。


本文編號：2919275