針對互聯(lián)網(wǎng)廣告數(shù)據(jù)具有高維稀疏性的特點(diǎn),在現(xiàn)有的點(diǎn)擊率（Click-Through Rate, CTR）預(yù)測問題的相關(guān)理論和技術(shù)基礎(chǔ)上,給出了一種基于梯度提升決策樹（Gradient Boosting Decision Tree, GBDT）的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）在線廣告特征提取模型（CNN Based on GBDT,CNN+）. CNN+模型不僅能從原始數(shù)據(jù)中提取出深度高階特征,還能解決卷積神經(jīng)網(wǎng)絡(luò)在稀疏、高維特征中提取特征困難的問題.在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,與主成分分析（Principal Component Analysis,PCA）和梯度提升決策樹這兩種特征提取方法相比, CNN+模型提取的特征更加有效. 

【文章來源】：華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,(04)北大核心CSCD

【文章頁數(shù)】：9 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于特征降維和DBN的廣告點(diǎn)擊率預(yù)測[J]. 楊長春,梅佳俊,吳云,顧寰.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(12)
[2]基于特征關(guān)聯(lián)模型的廣告點(diǎn)擊率預(yù)測[J]. 沈方瑤,戴國駿,代成雷,郭鴻杰,張樺.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]在線廣告中點(diǎn)擊率預(yù)測研究[J]. 肖垚,畢軍芳,韓易,董啟文.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[4]大數(shù)據(jù)平臺(tái)下的互聯(lián)網(wǎng)廣告點(diǎn)擊率預(yù)估模型[J]. 魏曉航,于重重,田嫦麗,陳秀新.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(09)
[5]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)
[6]基于特征學(xué)習(xí)的廣告點(diǎn)擊率預(yù)估技術(shù)研究[J]. 張志強(qiáng),周永,謝曉芹,潘海為.  計(jì)算機(jī)學(xué)報(bào). 2016(04)
[7]計(jì)算廣告:以數(shù)據(jù)為核心的Web綜合應(yīng)用[J]. 周傲英,周敏奇,宮學(xué)慶.  計(jì)算機(jī)學(xué)報(bào). 2011(10)
[8]在線廣告發(fā)展態(tài)勢與特性分析[J]. 高馳,盧志茂.  哈爾濱工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2003(02)



本文編號：3132264