预测算法在广告效应中的应用研究

发布时间：2017-05-26 21:00

  本文关键词：预测算法在广告效应中的应用研究，由笔耕文化传播整理发布。

【摘要】：在线广告是互联网中最具利润的商业模式,展示广告尤其是担保式广告(Guaranteed Display Advertising-GD)作为在线广告的一种,在学术界和工业界受到了广泛的关注。在担保式广告中,广告平台与广告主达成协议,如果在规定的时间内达到了一定的投放量和投放效果,广告主会向广告平台支付相应的费用；如果未达到预期效果,则会要求广告平台给予相应的赔偿。访问量预测作为展示广告中至关重要的一个环节,其预测的精确性将直接影响广告平台的收益。广告平台的访问量预测是利用历史的访问量数据来对未来的访问量进行分析和预测,如果访问量预测的过多,则会给广告平台带来违约并导致赔偿的风险；如果访问量预测的过少,会导致流量的浪费并降低广告平台的收益。所以,如何准确的分析历史访问量数据并做出精确的预测,成为了一个亟待解决的问题。 论文针对上述问题,从时间序列数据分析的角度对广告平台的访问量预测算法进行了研究,论文主要包括以下几方面内容。运用ARIMA和Holt-Winters两种典型时间序列预测模型对广告平台访问量进行预测,由于Holt-Winters季节模型分为乘性和加性两种,论文对这三种模型的预测效果进行了对比分析。实验结果表明ARIMA模型和乘性Holt-Winters季节模型在广告访问量预测上的效果要优于加性Holt-Winters季节模型,同时ARIMA模型和乘性Holt-Winters季节模型有各自的适用场景,ARIMA模型对周期性不明显的时间序列有更好的表现,乘性Holt-Winters季节模型对周期性明显的时间序列效果更好。为了提升访问量预测的精确度和处理时间序列数据中的异常点,本文使用传统滤波算法对时间序列进行预处理,传统滤波算法包括快速傅里叶变换频域滤波、均值滤波、高斯滤波,实验结果表明传统滤波算法对于广告访问量的异常点处理效果不好,本文针对该问题提出了一种基于流量拆分的滑动窗口滤波算法,并与传统滤波算法进行比较,结果表明对于广告访问量数据的平滑策略,本文提出的滤波算法对预测效果的提升较为明显。
【关键词】：访问量预测 时间序列 ARIMA模型 Holt-Winters模型 平滑滤波
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F713.8;TP393.092
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-16
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.3 本文研究内容14-15
• 1.4 论文组织结构15
• 1.5 本章小结15-16
• 2 网站访问量预测算法介绍16-28
• 2.1 在线广告概述16-18
• 2.1.1 在线广告的发展16-17
• 2.1.2 在线广告的计价方式17
• 2.1.3 在线广告的形式17-18
• 2.2 预备知识18-21
• 2.2.1 时间序列定义18-19
• 2.2.2 特征统计量19-20
• 2.2.3 平稳性与纯随机性20-21
• 2.3 ARIMA预测算法21-23
• 2.3.1 AR模型和MA模型21-22
• 2.3.2 ARMA模型和ARIMA模型22-23
• 2.4 Holt-Winters预测算法23-27
• 2.4.1 一次指数平滑算法23-24
• 2.4.2 二次指数平滑算法24-25
• 2.4.3 Holt-Winters模型25-27
• 2.5 本章小结27-28
• 3 访问量预测算法在广告效应中的应用研究28-41
• 3.1 数据分析和评价指标28-32
• 3.1.1 数据来源28
• 3.1.2 数据特点分析28-31
• 3.1.3 评价指标31-32
• 3.2 实验环境配置32
• 3.2.1 系统环境说明32
• 3.2.2 R环境安装32
• 3.3 ARIMA与Holt-Winters预测效果的对比研究32-38
• 3.3.1 预测模型对比方案设计32-34
• 3.3.2 预测模型对比结果及分析34-38
• 3.4 小时级别访问量预测算法的应用策略改进38-40
• 3.4.1 小时级别预测模型的应用策略介绍38-39
• 3.4.2 小时级别预测模型应用策略的对比结果及分析39-40
• 3.5 本章小结40-41
• 4 滤波算法在广告效应中的应用研究41-59
• 4.1 传统的滤波算法41-47
• 4.1.1 均值滤波41-42
• 4.1.2 高斯滤波42
• 4.1.3 快速傅里叶变换频域滤波42-44
• 4.1.4 传统滤波算法的效果研究44-47
• 4.2 基于流量拆分的滑动窗口滤波算法47-50
• 4.2.1 流量拆分策略47-48
• 4.2.2 基于流量拆分的滑动窗口滤波算法介绍48-50
• 4.3 基于流量拆分的滑动窗口滤波算法的效果研究50-58
• 4.3.1 流量拆分策略在传统滤波算法上的效果研究50-53
• 4.3.2 基于流量拆分的滑动窗口滤波算法效果研究53-58
• 4.4 本章小结58-59
• 5 结论与展望59-61
• 5.1 结论59-60
• 5.2 展望60-61
• 参考文献61-64
• 学位论文数据集64

【参考文献】

中国期刊全文数据库 前6条

1 陈泽忠,杨启智,胡金泉;中国股票市场的波动性研究——EGARCH-M模型的应用[J];决策借鉴;2000年05期

2 周傲英;周敏奇;宫学庆;;计算广告:以数据为核心的Web综合应用[J];计算机学报;2011年10期

3 何大四;张旭;;改进的季节性指数平滑法预测空调负荷分析[J];同济大学学报(自然科学版);2005年12期

4 王吉培;杨远;肖宏伟;;基于IGARCH投影寻踪回归的国际油价走势拟合模型[J];统计与决策;2009年05期

5 黎锁平,刘坤会;动态指数平滑优化模型及其应用[J];系统工程学报;2003年02期

6 田华,曹家和;中国股票市场报酬与波动的GARCH-M模型[J];系统工程理论与实践;2003年08期

  本文关键词：预测算法在广告效应中的应用研究，由笔耕文化传播整理发布。

，

本文编号：398035