發(fā)布時(shí)間：2018-11-18 11:58

【摘要】：大數(shù)據(jù)環(huán)境下如何對互聯(lián)網(wǎng)廣告進(jìn)行精準(zhǔn)投放一直是計(jì)算廣告學(xué)領(lǐng)域高度關(guān)注的問題。作為在線廣告投放效果的一個(gè)重要指標(biāo),點(diǎn)擊率的精確預(yù)測關(guān)系到媒體、用戶和廣告主三方的利益。目前的主流方法是通過抽取特征建立單一點(diǎn)擊率預(yù)測模型,其不足之處在于使用單個(gè)權(quán)重來度量特征對點(diǎn)擊率的影響過于片面。該研究基于分而治之的思想,提出了基于用戶相似度和特征分化的混成模型。該模型首先根據(jù)混合高斯分布來評估用戶相似度,將其劃分為多個(gè)群體。針對不同群體,分別構(gòu)建子模型并進(jìn)行有效組合,從而挖掘同一特征對不同群體的差異化影響,進(jìn)而準(zhǔn)確地預(yù)測廣告點(diǎn)擊行為。通過使用真實(shí)互聯(lián)網(wǎng)公司的廣告數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),并與主流方法做了詳細(xì)的對比分析,檢驗(yàn)了該方法的有效性。
[Abstract]:How to accurately place Internet ads under big data environment has always been a highly concerned issue in the field of computational advertising. As an important indicator of the effect of online advertising, the accurate prediction of click rate is related to the interests of media, users and advertisers. At present, the mainstream method is to establish a single click rate prediction model by extracting features. Its shortcoming is that it is too one-sided to use a single weight to measure the impact of feature on click rate. Based on the idea of divide-and-conquer, a hybrid model based on user similarity and feature differentiation is proposed. The model firstly assesses the user similarity according to the mixed Gao Si distribution and divides it into several groups. Aiming at different groups, the submodels are constructed and combined effectively, so as to excavate the difference effect of the same characteristics on different groups, and then accurately predict the advertising click behavior. By using the advertising data set of real Internet companies, the effectiveness of this method is verified by comparing it with the main methods in detail.
【作者單位】： 華東師范大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系;
【分類號】：O211.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

2 徐曉靜;李健;;靜態(tài)粗相似度的特征[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2006年06期

3 彭沛黃麗影;;秩數(shù)分級相似預(yù)報(bào)法[J];華僑大學(xué)學(xué)報(bào);1983年02期

4 路志鳴;;基于相似度的特殊地形模糊表達(dá)[J];大眾科技;2009年04期

5 陳樹偉;王延昭;;一種基于模糊數(shù)相似度的風(fēng)險(xiǎn)分析方法[J];模糊系統(tǒng)與數(shù)學(xué);2013年05期

6 李海歐;周曉光;;基于屬性相似度的碎多邊形自動聚合處理[J];測繪與空間地理信息;2013年11期

7 張峰;謝振華;林健;程江濤;崔高侖;;基于改進(jìn)相似度的混合型多屬性決策方法[J];海軍航空工程學(xué)院學(xué)報(bào);2014年01期

8 劉麗華;;基于相似度加權(quán)的模糊聚類方法[J];云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

9 張杰;林木輝;包正委;;基于領(lǐng)域本體的語句相似度研究[J];福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

10 鄭偉;季鐸;蔡東風(fēng);王爽;;基于文本最小相似度的中心選取方法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

相關(guān)會議論文 前10條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

2 陸勁挺;路強(qiáng);劉曉平;;對比相似度計(jì)算方法及其在功能樹擴(kuò)展中的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

4 劉曉平;陸勁挺;;任意功能樹的物元相似度求解方法[A];全國第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

5 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

6 洪文學(xué);王金甲;常鳳香;宋佳霖;劉文遠(yuǎn);王立強(qiáng);;基于圖形特征增強(qiáng)的相似度分類器的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

7 雷慶;吳揚(yáng)揚(yáng);;一種基于語義信息計(jì)算XML文檔相似度的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2004年

8 葉正;林鴻飛;楊志豪;;基于問句相似度的中文FAQ問答系統(tǒng)研究[A];第三屆學(xué)生計(jì)算語言學(xué)研討會論文集[C];2006年

9 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

10 王健;劉衍珩;焦玉;;VANETs信任傳播建模[A];中國通信學(xué)會通信軟件技術(shù)委員會2009年學(xué)術(shù)會議論文集[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 王伽　衛(wèi)江;出入境證件照片應(yīng)及時(shí)更換[N];中國國門時(shí)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 操震洲;矢量數(shù)據(jù)動態(tài)多尺度網(wǎng)絡(luò)傳輸研究[D];南京大學(xué);2015年

2 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 劉振宇;基于區(qū)域相似度和特征降維的極化SAR影像分類[D];武漢大學(xué);2013年

4 曹，

本文編號：2339989