隨著互聯(lián)網(wǎng)和電子商務的發(fā)展,在線展示廣告（Online Display Advertising,DA）通過在網(wǎng)頁中展示文本、圖片以及視頻等形式的廣告,成為了企業(yè)進行商品推廣的有效方法之一。圖片廣告點擊率（Click-Through Rate,CTR）預估在展示廣告的精準投放過程中具備重要的作用。一方面,點擊率預估結果為有效提升用戶體驗、增強用戶粘度提供了量化依據(jù);另一方面,點擊率預估是提高互聯(lián)網(wǎng)廣告營銷效果的重要方法。目前,多數(shù)相關工作主要以文本、圖片特征為依據(jù),采用統(tǒng)計學習方法實現(xiàn)點擊率預估。在這種情況下,圖片特征主要依靠人工選擇,耗時耗力而不一定會帶來效果的提升。另外,各個特征相互獨立,特征之間的關聯(lián)性并未在點擊率預測過程中得以充分體現(xiàn)。因此,如何在廣告數(shù)據(jù)中快速有效地篩選特征,并充分挖掘特征之間的關聯(lián)性成為了提高預估模型性能的關鍵因素。近年來,深度學習廣泛應用于特征自動提取問題,并取得了令人矚目的效果。本文基于深度學習技術對廣告點擊率預測模型展開相關研究,提出了一種面向圖片廣告的端對端點擊率預測深度模型。具體來說,本文將圖片廣告特征分為圖片視覺特征和基本特征兩部分,并利用卷積神經(jīng)... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

eMarketer提供的阿里巴巴數(shù)字廣告總支出預測

本廣告或圖片廣告[7]。展示廣告是指用戶在瀏覽網(wǎng)頁時，以文本、圖片以及視頻等形式直接展現(xiàn)的在線廣告[8]。其中，搜索廣告和展示廣告兩種最為常見。相較于搜索廣告根據(jù)當前用戶的搜索關鍵詞實時獲取用戶的興趣，展示廣告只能根據(jù)用戶的歷史行為推測用戶的興趣。

如在 20 世紀 90 年代，迷你裙吸引人的關鍵因素是各種明亮的色彩特征，后來演變?yōu)樘剿鲝碗s的圖案設計，甚至是無法通過色彩特征抓取的時尚設計[22]。同時，新的手工視覺特征嚴重依賴于人類的主觀啟發(fā)式，但在實際業(yè)務場景中，用戶對圖片優(yōu)劣判斷的主觀性很強，難以形成統(tǒng)一的評價標準。

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[2]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[3]雙二次B-樣條插值圖像縮放[J]. 李英明,夏海宏.  中國圖象圖形學報. 2011(10)
[4]圖片廣告的優(yōu)勢[J]. 陳靖.  新聞愛好者(理論版). 2008(06)
[5]廣告價值與互聯(lián)網(wǎng)監(jiān)測[J]. 傅志華.  廣告大觀(綜合版). 2007(11)
[6]連續(xù)屬性離散化算法比較研究[J]. 劉業(yè)政,焦寧,姜元春.  計算機應用研究. 2007(09)
[7]缺失值處理方法比較研究[J]. 胡紅曉,謝佳,韓冰.  商場現(xiàn)代化. 2007(15)



本文編號：3322168