隨著互聯(lián)網(wǎng)廣告的飛速發(fā)展,如何預(yù)測(cè)目標(biāo)用戶對(duì)互聯(lián)網(wǎng)廣告的點(diǎn)擊率（click-throughrate,簡(jiǎn)稱CTR）,成為精確廣告推薦投放的關(guān)鍵技術(shù),并成為計(jì)算廣告領(lǐng)域的研究熱點(diǎn)和深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用熱點(diǎn).為了提高廣告點(diǎn)擊率預(yù)估的精確度,提出了基于深度置信網(wǎng)絡(luò)的廣告點(diǎn)擊率預(yù)估模型,并通過(guò)基于Kaggle數(shù)據(jù)挖掘平臺(tái)數(shù)據(jù)集的1000萬(wàn)條隨機(jī)數(shù)據(jù)的實(shí)驗(yàn),研究不同的隱藏層層數(shù)和隱含節(jié)點(diǎn)數(shù)目對(duì)預(yù)測(cè)結(jié)果的影響.為了解決深度置信網(wǎng)絡(luò)在數(shù)據(jù)規(guī)模較大的工業(yè)界解決方案中的訓(xùn)練效率問(wèn)題,通過(guò)實(shí)驗(yàn)證明:廣告點(diǎn)擊率預(yù)估中,深度置信網(wǎng)絡(luò)的損失函數(shù)存在大量的駐點(diǎn),并且這些駐點(diǎn)對(duì)網(wǎng)絡(luò)訓(xùn)練效率有極大的影響.為了提高模型效率,從發(fā)掘網(wǎng)絡(luò)損失函數(shù)特性入手,進(jìn)一步提出了基于隨機(jī)梯度下降算法和改進(jìn)型粒子群算法的融合算法,以優(yōu)化網(wǎng)絡(luò)訓(xùn)練.融合算法在迭代步長(zhǎng)小于閾值時(shí)可以跳出駐點(diǎn)平面,繼續(xù)正常迭代.實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的基于梯度提升決策樹(shù)和邏輯回歸的廣告點(diǎn)擊率預(yù)估模型以及模糊深度神經(jīng)網(wǎng)絡(luò)模型相比,基于深度置信網(wǎng)絡(luò)的預(yù)估模型具有更好的預(yù)估精度,在均方誤差、曲線下面積和對(duì)數(shù)損失函數(shù)指標(biāo)上分別提升2.39%,9.70%,2.46%和1.24... 

【文章來(lái)源】：軟件學(xué)報(bào). 2019,30(12)北大核心EICSCD

【文章頁(yè)數(shù)】：18 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]計(jì)算廣告:以數(shù)據(jù)為核心的Web綜合應(yīng)用[J]. 周傲英,周敏奇,宮學(xué)慶.  計(jì)算機(jī)學(xué)報(bào). 2011(10)
[2]基于合作粒子群算法的PID神經(jīng)網(wǎng)絡(luò)非線性控制系統(tǒng)[J]. 樸海國(guó),王志新,張華強(qiáng).  控制理論與應(yīng)用. 2009(12)
[3]基于Hopfield網(wǎng)絡(luò)的極小值問(wèn)題學(xué)習(xí)算法[J]. 金海和,陳劍,唐政,鄭國(guó)旗.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2002(06)



本文編號(hào)：3484890