互聯(lián)網(wǎng)廣告效果的研究是網(wǎng)絡(luò)營(yíng)銷的研究重點(diǎn),無(wú)論是品牌廣告或效果廣告,合適的互聯(lián)網(wǎng)廣告設(shè)計(jì)效果將直接影響網(wǎng)絡(luò)營(yíng)銷商的利益與用戶的體驗(yàn).現(xiàn)階段,廣告運(yùn)營(yíng)商的投放策略、廣告創(chuàng)意優(yōu)化、定向人群、媒體選擇都以點(diǎn)擊率為重要條件,精準(zhǔn)的點(diǎn)擊率預(yù)估可以精細(xì)化權(quán)衡和保障用戶、廣告、平臺(tái)三方利益.為了更加準(zhǔn)確的預(yù)估點(diǎn)擊率本文定向研究用戶行為方式,選擇馬爾科夫鏈模型處理用戶行為信息,利用頻繁序列挖掘用戶行為特點(diǎn)消除用戶間無(wú)差異性假設(shè),基于在線學(xué)習(xí)方法融合特征構(gòu)建深度神經(jīng)網(wǎng)絡(luò),獲得特征的高階非線性表達(dá),建立多模態(tài)深度融合（Multimodal Depth Integration MDI）模型用于點(diǎn)擊率預(yù)估.實(shí)驗(yàn)結(jié)果表明,提出的多模態(tài)深度融合模型的表示能力和魯棒性都優(yōu)于各基線模型,取得不錯(cuò)的預(yù)測(cè)效果. 

【文章來(lái)源】：小型微型計(jì)算機(jī)系統(tǒng). 2019,40(12)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

各個(gè)模型AUC

各個(gè)模型損失函數(shù)

點(diǎn)擊率是互聯(lián)網(wǎng)公司網(wǎng)絡(luò)流量分配的核心依據(jù)，互聯(lián)網(wǎng)廣告平臺(tái)精確的點(diǎn)擊率預(yù)估有利于最大化提升三方利益．點(diǎn)擊率預(yù)估技術(shù)從傳統(tǒng)的邏輯回歸發(fā)展到深度學(xué)習(xí)，其本質(zhì)是通過(guò)設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行組合特征的挖掘，也可以描述為一個(gè)經(jīng)典的二分類問(wèn)題，依據(jù)用戶側(cè)信息、廣告測(cè)信息、上下文信息等去建模預(yù)測(cè)用戶是否會(huì)點(diǎn)擊廣告．本文利用經(jīng)典的深度學(xué)習(xí)架構(gòu)MDI模型預(yù)估點(diǎn)擊率，如圖3所示，由梯度提升樹(Gradient Boosting Decision Tree GBDT)[8]、因式分解機(jī)(Factorization Machines FM)[25]、域因式分解機(jī)(Field Factorization M achines FM M)[26]模塊組合而成，每一個(gè)模塊不是獨(dú)立的，是整個(gè)模型共同訓(xùn)練完成．FM模塊接受低階特征信息構(gòu)造特征交互，GBDT代替?zhèn)鹘y(tǒng)的人工特征工程方法，可以將低階特征映射到隱向量空間;FFM模塊可以將同類別的特征組合，提出了域(field)的概念，將同類別的特征組合在同一field內(nèi)便于處理，并通過(guò)卷積層(FC)構(gòu)造高階特征表達(dá)，并利用Prefixspan挖掘出用戶的時(shí)序信息，更好預(yù)估點(diǎn)擊率．M DI由多個(gè)模塊集成，使用GBDT代替連續(xù)特征離散化等人工特征工程，具有強(qiáng)的非線性擬合能力以及魯棒性，利用FM自動(dòng)學(xué)習(xí)任意特征的一階交叉，擴(kuò)展特征空間，吞吐稀疏特征空間，提高模型的表達(dá)能力，通過(guò)FFM將同性質(zhì)特征歸于一個(gè)域，在實(shí)驗(yàn)過(guò)程中自動(dòng)省去零值特征，提高模型訓(xùn)練速度．輸入數(shù)據(jù)為數(shù)值特征(dense)和類別特征(sparse)以及序列特征(sequence input)，模型將類別特征傳至至嵌入層，獲取多個(gè)嵌入向量，將嵌入向量和數(shù)值特征連接傳入三層全連接層(Fully Connected layer FC)，將第三層全連接層的輸出和FFM以及FM的輸出連接在一起傳入全連接層，結(jié)合頻繁序列模式挖掘到的信息學(xué)習(xí)廣告是否被點(diǎn)擊．

【參考文獻(xiàn)】：
期刊論文
[1]在線廣告中改進(jìn)數(shù)據(jù)分層的動(dòng)態(tài)點(diǎn)擊率評(píng)估算法[J]. 朱麗輝,謝瑾奎,潘書敏,楊宗源.  小型微型計(jì)算機(jī)系統(tǒng). 2015(07)



本文編號(hào)：3269206