【摘要】：互聯(lián)網(wǎng)廣告是一個具有上千億元規(guī)模的市場,廣告的點(diǎn)擊率(CTR)是互聯(lián)網(wǎng)廣告投放效果的重要指標(biāo)。在廣告點(diǎn)擊率預(yù)估模型中,特征提取是關(guān)鍵因素,特征的好壞直接影響到最終模型的效果。針對如何提高廣告點(diǎn)擊率預(yù)估效率問題,在Hadoop大數(shù)據(jù)平臺環(huán)境中,提出了基于梯度提升決策樹(gradient boost decision tree,GBDT)模型的多維特征提取方法。該方法利用原始數(shù)據(jù)構(gòu)建多維基礎(chǔ)特征庫,并將基礎(chǔ)特征庫中除ID類特征以外的其余特征輸入GBDT模型進(jìn)行特征刷選,得到高層特征,進(jìn)一步進(jìn)行分類。該方法的使用不僅減少了特征提取的人工成本和時間成本,也在很大程度上提升了模型的精度。
[Abstract]:Internet advertising is a market with a scale of hundreds of billions of yuan. The click rate of advertising (CTR) is an important indicator of the effect of Internet advertising. Feature extraction is the key factor in the prediction model of ad click rate, and the quality of feature directly affects the effect of the final model. Aiming at how to improve the efficiency of ad click rate estimation, a multi-dimensional feature extraction method based on gradient elevation decision tree (gradient boost decision tree-GBDT) model is proposed in the environment of Hadoop big data. In this method, the multi-dimensional basic feature database is constructed from the original data, and the other features in the basic feature base except ID class feature are input into the GBDT model for feature selection, and the high-level features are obtained for further classification. The use of this method not only reduces the labor and time cost of feature extraction, but also improves the accuracy of the model to a great extent.
【作者單位】： 北京工商大學(xué)計算機(jī)與信息工程學(xué)院;
【基金】：北京市自然科學(xué)基金重點(diǎn)項(xiàng)目B類(KZ201410011014);北京市自然科學(xué)基金青年項(xiàng)目(9164025) 2015年研究生科研能力提升計劃資助項(xiàng)目 國家教育部人文社會科學(xué)研究青年基金資助項(xiàng)目(15YJCZH224)
【分類號】：TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 周傲英;周敏奇;宮學(xué)慶;;計算廣告:以數(shù)據(jù)為核心的Web綜合應(yīng)用[J];計算機(jī)學(xué)報;2011年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周麗玲;李聰;陶如意;;大數(shù)據(jù)時代廣告專業(yè)人才的數(shù)據(jù)素養(yǎng)[J];新聞與傳播評論;2016年00期

2 潘書敏;顏娜;謝瑾奎;;基于用戶相似度和特征分化的廣告點(diǎn)擊率預(yù)測研究[J];計算機(jī)科學(xué);2017年02期

3 王可偉;;基于大數(shù)據(jù)的品牌VIS設(shè)計分析與提升解決方案探討[J];科技創(chuàng)新與應(yīng)用;2017年01期

4 蔣精華;桂小林;鄭宜峰;張學(xué)軍;袁星亮;王聰;;支持加密搜索的定向息票安全投放框架[J];西安交通大學(xué)學(xué)報;2017年02期

5 伊雯雯;;基于多維特征組合邏輯回歸模型的廣告點(diǎn)擊率預(yù)測[J];通信技術(shù);2016年09期

6 邱月;;個性定制:大數(shù)據(jù)時代的精準(zhǔn)廣告——以淘寶和騰訊的在線計算廣告為例[J];北方傳媒研究;2016年03期

7 劉慶振;;“互聯(lián)網(wǎng)+”時代的計算廣告學(xué):產(chǎn)生過程、概念界定與關(guān)鍵問題[J];新聞知識;2016年06期

8 賈彥榮;周寶成;徐火英;張偉;;儀器分析虛擬仿真實(shí)驗(yàn)系統(tǒng)的應(yīng)用與構(gòu)建研究[J];浙江理工大學(xué)學(xué)報;2016年06期

9 袁勇;曾大軍;李娟娟;秦蕊;;實(shí)時競價廣告研究述評[J];信息系統(tǒng)學(xué)報;2016年01期

10 田嫦麗;張s，

本文編號：2196532