【摘要】：搜索廣告是搜索引擎公司如百度,Google等的主要收入來源,當前的收費模式是按用戶點擊廣告的次數(shù)收費,而廣告位的個數(shù)是有限的,因此對于每個用戶檢索詞,怎樣在廣告庫中檢索到用戶最可能點擊的廣告返回給前端去展示是所有搜索引擎公司最關(guān)心的問題。CTR(Click Through Rate)即是衡量某廣告被用戶點擊的可能性大小的指標。展示CTR最高的廣告給用戶是三贏的,對于用戶,提高了搜索體驗,他們樂于點擊；對于商家,精準的廣告投放策略將使廣告都投放給潛在客戶,有助于提高他們的營收；對于搜索引擎公司,提高用戶點擊廣告的可能性,將使它們賺取更多廣告提成。 預(yù)估CTR是一項很復(fù)雜、涉及面很廣的工作,本文就此問題提出了一種基于邏輯回歸模型的預(yù)估方法。本文將預(yù)估CTR工作分成了兩個主要方面：線下訓(xùn)練和線上計算。線下訓(xùn)練中使用Hadoop,從搜索引擎日志出發(fā),經(jīng)歷數(shù)據(jù)清洗、提取特征、合并增量、排序降維、模型求解、模型驗證等步驟,最終得出了一個特征到權(quán)重的映射文件,此即為我們的模型。在線上計算部分,經(jīng)歷擴展匹配、廣告粗選、CTR計算等步驟,取出了CTR最高的10個廣告返回給前端。 邏輯回歸模型屬于有監(jiān)督學(xué)習(xí)的一種,如何提取數(shù)據(jù)集中區(qū)分度高的特征是關(guān)鍵,本文針對CTR預(yù)估問題提出了3項一元、二元特征,經(jīng)實驗驗證能有效提高搜索引擎收益。針對搜索廣告這一特定場景,本文還引入了時間衰減因子用以區(qū)分較老的歷史記錄跟較新的歷史記錄對CTR預(yù)估的不同影響力,也取得了很好的成效。
[Abstract]:Search advertising is the main source of revenue for search engine companies such as Baidu, Google, etc. The current charging model is to charge users according to the number of times they click on advertisements, and the number of ads is limited, so for each user, How to retrieve the advertisements most likely to be clicked by a user in an ad library and return them to the front end to display is the most concerned issue for all search engine companies:. CTR (Click Through Rate) is an indicator to measure the possibility of an advertisement being clicked by a user. Showing that CTR's highest ads are triple wins for users, improving the search experience for users, they are happy to click; for merchants, accurate advertising strategy will enable ads to be delivered to potential customers, helping to increase their revenue; For search engine companies, increasing the likelihood of users clicking on ads will make them earn more ad royalties. Estimating CTR is a complex and extensive work. In this paper, a prediction method based on logical regression model is proposed. In this paper, the prediction CTR work is divided into two main aspects: offline training and on-line computing. In offline training, we use Hadoop, to start from search engine log, go through data cleaning, feature extraction, merge increment, sort dimension reduction, model solution, model verification and so on. Finally, we get a mapping file from feature to weight. This is our model. Online computing part, experienced extended matching, advertising rough selection, CTR calculation and other steps, took out the top 10 CTR ads returned to the front end. Logical regression model is a kind of supervised learning. How to extract the feature of high classification of data set is the key. In this paper, we propose three monadic, binary features for CTR prediction, which can effectively improve the revenue of search engine through experiments. In this paper, the time attenuation factor is introduced to distinguish the different influences of the older historical records and the newer historical records on the CTR estimation for the specific scene of search advertising, and good results have been achieved.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 孫茜云;王上;;淺談廣播廣告經(jīng)營戰(zhàn)略[J];山東視聽;2003年04期

2 賀雪飛;;文化符號及其象征意義——論廣告文化附加值的表現(xiàn)形式[J];現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報);2006年05期

3 汪敏;;廣告商對新聞傳播的影響[J];青年記者;2007年22期

4 邢麗梅;;廣告中女性形象定位置疑[J];新聞傳播;2008年02期

5 ;《電子產(chǎn)品世界》榮獲2008廣告主、廣告商青睞的中國報刊(B2B類)殊榮[J];電子產(chǎn)品世界;2009年02期

6 湯莉萍;;金融危機下《華爾街日報》的廣告突圍戰(zhàn)[J];傳媒;2009年04期

7 湯莉萍;;金融危機下《華爾街日報》的廣告突圍戰(zhàn)[J];中國記者;2009年04期

8 程序;;在驗證碼里投放廣告[J];信息網(wǎng)絡(luò);2010年05期

9 邢麗梅;;兒童消費品的電視廣告訴求策略[J];新聞愛好者;2011年02期

10 胡春秀;;新聞類期刊廣告經(jīng)營的困惑與出路[J];新聞愛好者;2011年06期

相關(guān)會議論文 前10條

1 昝勝鋒;朱文雁;;嵌入式廣告、文化暗合與電影票房[A];建設(shè)經(jīng)濟文化強�。禾魬�(zhàn)·機遇·對策——山東省社會科學(xué)界2009年學(xué)術(shù)年會文集（4）[C];2009年

2 丁俊楠;趙蔚;;提升用戶粘性的移動廣告聯(lián)盟管理研究[A];融合與創(chuàng)新——中國通信學(xué)會通信管理委員會第29次學(xué)術(shù)研討會論文集[C];2011年

3 劉娜;;教育廣告的經(jīng)濟效應(yīng)分析[A];2009年中國教育經(jīng)濟學(xué)學(xué)術(shù)年會論文集[C];2009年

4 白貴;閃曉宇;;淺析中國近現(xiàn)代回族報刊中的廣告[A];中國少數(shù)民族地區(qū)信息傳播與社會發(fā)展論叢（2010年刊）[C];2010年

5 安圣慧;陳姜;;網(wǎng)絡(luò)視頻廣告應(yīng)用[A];2007年全國第十一屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會議論文集[C];2007年

6 靳巖欽;張敏;劉奕群;馬少平;;搜索引擎用戶查詢的廣告點擊意圖分析[A];第六屆全國信息檢索學(xué)術(shù)會議論文集[C];2010年

7 鄧理峰;;廣告主導(dǎo)型報刊體制的形成——19世紀美國的工業(yè)革命、大眾營銷與大眾化報紙的分化[A];新聞學(xué)論集（第20輯）[C];2008年

8 張忠禮;;對《廣告法》第38條之我見[A];維護廣告市場秩序之我見征文活動獲獎?wù)撐倪x編[C];2002年

9 張翠;;美國電視上針對少年兒童的食品和飲品廣告:對種族,體型和廣告訴求方式的討論[A];中國傳媒大學(xué)第五屆全國新聞學(xué)與傳播學(xué)博士生學(xué)術(shù)研討會論文集[C];2011年

10 朱思群;趙其斌;李玉坤;;期刊面向廣告商的營銷策略[A];中國編輯學(xué)會第十屆年會論文集[C];2005年

相關(guān)重要報紙文章 前10條

1 本報記者 朱凱;健身媒體形成新格局[N];人民日報海外版;2009年

2 《男人裝》主編 瘦馬;誰在看你的雜志[N];中國新聞出版報;2005年

3 索蒙;“網(wǎng)賺”——免費掘金進行時[N];財會信報;2006年

4 本報記者 杜思夢;“4+1計劃”:“植入廣告”新思路[N];中國電影報;2010年

5 林楚馥;從“不買廣告商品”說起[N];廣東建設(shè)報;2006年

6 孫榮欣;效果待考量 監(jiān)管呈空白[N];中國文化報;2010年

7 實習(xí)記者 馬行超;揭開樂視網(wǎng)的神秘面紗[N];中國知識產(chǎn)權(quán)報;2010年

8 本報見習(xí)記者 袁舒婕;《中國國家地理》:新媒體和紙媒齊頭并進[N];中國新聞出版報;2011年

9 ;艾德思奇 IT改變?nèi)f億美元廣告市場格局[N];中國計算機報;2011年

10 Andrew Wallenstein 翻譯 楊一晨;ABC向廣告商做出讓步[N];中國電影報;2006年

相關(guān)博士學(xué)位論文 前10條

1 楊海軍;廣告輿論傳播研究[D];復(fù)旦大學(xué);2011年

2 杜積西;1978-2008：廣告審美意識的流變[D];西南大學(xué);2012年

3 于林洋;廣告薦證的法律規(guī)制研究[D];西南政法大學(xué);2011年

4 許敏玉;商業(yè)視域下廣告審美研究[D];吉林大學(xué);2013年

5 彭茗瑋;社會信息學(xué)視域下廣告隱喻的認知解釋[D];浙江大學(xué);2012年

6 劉心;中國音視頻形態(tài)廣告監(jiān)管中的政府作用[D];中國政法大學(xué);2013年

7 孫紹君;百年中國品牌視覺形象設(shè)計研究[D];蘇州大學(xué);2013年

8 張妍妍;美國的商業(yè)言論自由[D];山東大學(xué);2012年

9 黃飛玨;中國大陸生活類周報刊發(fā)展研究[D];華東師范大學(xué);2010年

10 陳李鋼;基于贊助搜索的關(guān)鍵字廣告最優(yōu)策略研究[D];哈爾濱工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 紀佳婧;SNS廣告?zhèn)鞑パ芯縖D];河北大學(xué);2010年

2 鐘華;證言廣告研究[D];山東大學(xué);2010年

3 童強;搜索引擎關(guān)鍵字廣告點擊率與保留價研究[D];大連理工大學(xué);2011年

4 文軍;后現(xiàn)代消費文化語境下廣告的困境與出路[D];蘭州大學(xué);2011年

5 鄭荃文;廣告語言的美學(xué)效果對受眾廣告審美趨向的影響[D];四川師范大學(xué);2010年

6 劉軼男;吉林電視臺廣告產(chǎn)品營銷策略的優(yōu)化方案[D];吉林大學(xué);2010年

7 溫小勤;酒類廣告中的口部和手部動性詞語研究[D];廣州大學(xué);2010年

8 蔣琛;蛻變—雜志廣告的創(chuàng)意途徑[D];湖北工業(yè)大學(xué);2011年

9 張璐;廣告中模糊語對消費行為的提升模式[D];曲阜師范大學(xué);2011年

10 謝磊;品牌符號化現(xiàn)象研究[D];西南政法大學(xué);2010年

，

本文編號：2366929