現(xiàn)代信息技術(shù)的飛速發(fā)展,為廣告形式帶來了技術(shù)上的創(chuàng)新,互聯(lián)網(wǎng)在線廣告行業(yè)應(yīng)運而生,并在短時間內(nèi)迅速崛起。經(jīng)過一段時間的測評與觀察,在線廣告極具商業(yè)價值和市場潛力,所以廣被社會各界關(guān)注。點擊率(Click-Through-Rate,CTR)預(yù)估成為互聯(lián)網(wǎng)廣告投放的關(guān)鍵性問題。通過采用機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù),最大程度上對廣告系統(tǒng)日志中的數(shù)據(jù)進(jìn)行預(yù)測。當(dāng)前預(yù)估廣告點擊率的測算方法是通過歷史數(shù)據(jù)分析得出,通過精準(zhǔn)預(yù)估點擊率然后做出廣告投放決策,可以進(jìn)一步讓廣告投放更加精準(zhǔn),擴(kuò)大廣告利潤空間。本文主要采用基于神經(jīng)網(wǎng)絡(luò)的廣告點擊率作為研究對象,同時將基于邏輯回歸的點擊率預(yù)估算法作為基線算法,分析當(dāng)前存在于兩者廣告和基線算法中遇到的困難和問題,然后再根據(jù)不同情況提出相應(yīng)的優(yōu)化方法。其中:(1)展示廣告方面,應(yīng)考慮到成本問題,盡量減少特征處理的成本,需要全面提高模型預(yù)測的準(zhǔn)確率,繼而設(shè)計一個普適性強(qiáng)的模型,即基于FM算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的新模型,不再采用傳統(tǒng)的獨熱編碼方式,而是采用對向量乘積,把數(shù)量高的特征向量嵌入到低維向量空間中去,在此基礎(chǔ)上實踐到神經(jīng)網(wǎng)絡(luò)模型上,從而更好地實現(xiàn)對多字段數(shù)據(jù)的分類。實驗...

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容及思路
    1.4 論文結(jié)構(gòu)安排
2 廣告點擊率預(yù)估相關(guān)基本知識介紹
    2.1 計算廣告學(xué)介紹
    2.2 激勵函數(shù)和模型介紹
    2.3 目標(biāo)函數(shù)優(yōu)化方法
    2.4 Petuum計算平臺
3 基于神經(jīng)網(wǎng)絡(luò)的展示廣告點擊率預(yù)估算法
    3.1 展示廣告相關(guān)背景
    3.2 基線算法在展示廣告點擊率預(yù)估中的應(yīng)用
    3.3 基于因式分解機(jī)和神經(jīng)網(wǎng)絡(luò)的點擊率預(yù)估算法
    3.4 實驗與分析
    3.5 本章小結(jié)
4 基于神經(jīng)網(wǎng)絡(luò)的搜索廣告點擊率預(yù)估算法
    4.1 搜索廣告相關(guān)背景
    4.2 基線算法在搜索廣告點擊率預(yù)估中的應(yīng)用
    4.3 基于神經(jīng)網(wǎng)絡(luò)的搜索廣告點擊率預(yù)估算法
    4.4 實驗與分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 下一步工作展望
6 參考文獻(xiàn)
致謝



本文編號：3825430