近幾年來隨著搜索引擎的快速發(fā)展與應(yīng)用,基于搜索引擎的廣告已成為最大的網(wǎng)絡(luò)廣告形式,它展現(xiàn)了巨大的發(fā)展前景和商業(yè)價(jià)值。點(diǎn)擊率是評判搜索引擎廣告效果優(yōu)劣的重要標(biāo)準(zhǔn)和進(jìn)行廣告投放的主要依據(jù)。因此,對搜索引擎廣告的點(diǎn)擊率預(yù)估進(jìn)行研究還是非常有必要和具有現(xiàn)實(shí)意義的。在現(xiàn)有的研究中,主要思想是基于用戶的角度去模擬用戶行為,但這并不能為廣告主投放廣告提供有效依據(jù)。此外現(xiàn)有的大部分預(yù)測算法采用的特征都是孤立性存在的,沒有考慮數(shù)據(jù)特征之間的聯(lián)系和依賴性對預(yù)測的影響。本文的研究目標(biāo)是從廣告主的角度出發(fā),通過循環(huán)神經(jīng)網(wǎng)絡(luò)去模擬序列數(shù)據(jù)之間的依賴性和挖掘特征之間的內(nèi)在關(guān)系,從而提高點(diǎn)擊率預(yù)測的效果,為廣告主投放廣告提供有效依據(jù)。本文的主要研究內(nèi)容如下:第一,對數(shù)據(jù)進(jìn)行數(shù)據(jù)處分析理和特征處理。序列數(shù)據(jù)是體現(xiàn)數(shù)據(jù)之間前后依賴關(guān)系的表現(xiàn)形式,本文從廣告主的角度對經(jīng)過缺失處理的數(shù)據(jù)集進(jìn)行歷史點(diǎn)擊率分析,發(fā)現(xiàn)廣告后一段時間的點(diǎn)擊在一定程度上依賴于前一段時間的點(diǎn)擊研究,并以此構(gòu)建了適合于循環(huán)神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練的基于時間的廣告序列數(shù)據(jù);然后對數(shù)據(jù)進(jìn)行特征提取,獲得對模型有效的特征數(shù)據(jù)。為了解決one-hot對文本信息編碼會產(chǎn)... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

012-2018中國搜索用戶規(guī)模情況

本章主要涉及搜索引擎廣告點(diǎn)擊率預(yù)測的相關(guān)理論和技術(shù)。主要從以下幾個方面來論述：搜索引擎廣告技術(shù)、傳統(tǒng)的點(diǎn)擊率預(yù)測模型和特征處理的相關(guān)技術(shù)以及評價(jià)函數(shù)進(jìn)行了詳細(xì)介紹。2.1 搜索引擎廣告技術(shù)2.1.1 搜索引擎廣告模式搜索引擎廣告的主流模式是 google Adword 推出的 PPC(Pay Per Click)模式，即按點(diǎn)擊付費(fèi)。該模式的主體主要有廣告主、搜索引擎和用戶。三方之間的關(guān)系如圖 2-1 所示。廣告商向搜索引擎提供廣告，搜索引擎將廣告與用戶的查詢詞進(jìn)行匹配和向用戶展現(xiàn)，而用戶則是廣告的最終接受者，在用戶進(jìn)行搜索并點(diǎn)擊后，搜索引擎會根據(jù)點(diǎn)擊的是否有效來對廣告商進(jìn)行收費(fèi)，有效點(diǎn)擊則收費(fèi)，無效點(diǎn)擊則不收費(fèi)[39]：

神經(jīng)網(wǎng)絡(luò)是一種由大量的節(jié)點(diǎn)（神經(jīng)元）聯(lián)接構(gòu)成網(wǎng)絡(luò)運(yùn)算模型。每一個既是上一層的計(jì)算結(jié)果的輸出值，又是下一層的計(jì)算的輸入值。每個節(jié)點(diǎn)的結(jié)果則根據(jù)網(wǎng)絡(luò)的連接的權(quán)重值和激勵函數(shù)計(jì)算，權(quán)重值和激勵函數(shù)的不同計(jì)算的結(jié)果也有所差異，網(wǎng)絡(luò)的最后一層的輸出值則作為模型的運(yùn)算結(jié)果。神經(jīng)網(wǎng)絡(luò)的逐漸發(fā)展，在預(yù)測場景中它的相關(guān)應(yīng)用也比較廣泛。點(diǎn)擊率預(yù)測其中之一。BP 神經(jīng)網(wǎng)絡(luò)由 McClelland 和 Rumelhart 在 1986 年提出的[42]。這種網(wǎng)絡(luò)要的特點(diǎn)是在訓(xùn)練過程中數(shù)據(jù)信號結(jié)果逐層向前傳遞，而誤差會在得到結(jié)果向傳播。在前向傳遞過程中，輸入的數(shù)據(jù)會從輸入層開始經(jīng)過隱含處理，然輸出層。每層節(jié)點(diǎn)狀態(tài)都會影響下一層的節(jié)點(diǎn)的狀態(tài)。如果輸出層的結(jié)果不，則會進(jìn)行反向傳播過程，根據(jù)得到的真實(shí)值和預(yù)測值的誤差去逐層調(diào)節(jié)點(diǎn)的權(quán)值和閥值，從而使得輸出值逐漸的向期望輸出值靠近，直到得到最終的值。 BP 模型示意圖如圖 2-2 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于融合結(jié)構(gòu)的在線廣告點(diǎn)擊率預(yù)測模型[J]. 劉夢娟,曾貴川,岳威,劉瑤,秦志光.  計(jì)算機(jī)學(xué)報(bào). 2019(07)
[2]人臉識別技術(shù)綜述及分析[J]. 黨永成.  電子技術(shù)與軟件工程. 2018(03)
[3]搜索引擎點(diǎn)擊模型綜述[J]. 王超,劉奕群,馬少平.  智能系統(tǒng)學(xué)報(bào). 2016(06)
[4]基于LASSO變量選擇方法的網(wǎng)絡(luò)廣告點(diǎn)擊率預(yù)測模型研究[J]. 李春紅,吳英,覃朝勇.  數(shù)理統(tǒng)計(jì)與管理. 2016(05)
[5]關(guān)鍵詞廣告在不同搜索引擎中的比較研究——以Google AdWords和百度推廣為例[J]. 顧華琴,樊琴.  現(xiàn)代營銷(下旬刊). 2016(12)
[6]廣告點(diǎn)擊率預(yù)估技術(shù)綜述[J]. 陳巧紅,余仕敏,賈宇波.  浙江理工大學(xué)學(xué)報(bào). 2015(11)
[7]Variable Selection in Logistic Regression Model[J]. ZHANG Shangli,ZHANG Lili,QIU Kuanmin,LU Ying,CAI Baigen.  Chinese Journal of Electronics. 2015(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的搜索廣告點(diǎn)擊率預(yù)測[J]. 李思琴,林磊,孫承杰.  智能計(jì)算機(jī)與應(yīng)用. 2015(05)
[9]基于貝葉斯推理的點(diǎn)擊模型及其實(shí)現(xiàn)[J]. 孫付偉,李娟,楊達(dá).  計(jì)算機(jī)應(yīng)用與軟件. 2013(01)
[10]基于搜索引擎的網(wǎng)絡(luò)廣告模式分析[J]. 王欣妮.  情報(bào)探索. 2010(04)

碩士論文
[1]基于貝葉斯方法的網(wǎng)絡(luò)廣告預(yù)測模型研究[D]. 吳英.廣西大學(xué) 2016
[2]基于深度學(xué)習(xí)的搜索廣告點(diǎn)擊率預(yù)測方法研究[D]. 李思琴.哈爾濱工業(yè)大學(xué) 2015
[3]面向精準(zhǔn)廣告投放的數(shù)據(jù)分析與可視化系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 張清.山東大學(xué) 2015
[4]語音識別關(guān)鍵技術(shù)研究[D]. 王一蒙.電子科技大學(xué) 2015
[5]一種基于邏輯回歸模型的搜索廣告點(diǎn)擊率預(yù)估方法的研究[D]. 王兵.浙江大學(xué) 2013



本文編號：2986982