基于共现关系网络与深层神经网络的在线广告点击率预估模型研究

发布时间：2020-07-18 08:50

【摘要】：广告点击率预估模型用于预估用户对某个广告发生点击行为的概率。点击率预估模型具有重要的商业价值,其直接影响着在线广告业务的收入,提高点击率预估模型的准确率意味着提高企业的收入。为此,本文进行了如下的研究工作:(1)针对常用于点击率预估场景的特征提取算法没有充分地利用用户之间协同行为信息的问题,本文提出一种基于共现关系网络的特征提取算法。该算法能够利用用户的历史行为数据构造出一个无向带权网络,网络中的权值反映了用户之间的协同行为信息。随后利用网络表示学习的技术可以提取出网络中节点的特征表达。该算法对权值的定义方式存在优化的空间,于是本文进一步提出基于概率权值的共现关系网络特征提取算法。基于概率权值的共现关系网络特征提取算法将无向带权网络转变为有向带权网络,使得网络包含的信息更加的丰富、准确。实验结果表明,与目前常用于点击率预估场景的特征提取算法相比,基于概率权值的共现关系网络所提取到的特征能够使模型带来更高的准确率。(2)稠密特征通常是直接接入到点击率预估模型中的某一部分,这种做法没有充分利用共现关系网络所提取到的特征。本文提出一个模块——基于卷积神经网络的记忆网络,该模块在结合共现关系网络所提取到的广告特征后,能够从用户最近的点击行为中学习出用户所感兴趣的广告的特征向量。实验结果表明,常用的深度点击率预估模型在使用该模块后能够有效地提高预估的准确率。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F713.8;TP183
【图文】：

广告市场,增长情况,广告

课题研究背景与意义在移动互联网时代，在线广告在人们生活中随处可见。对比报纸、杂志、广播、些传统媒体上的广告，在线广告能够充分结合人工智能技术、云计算技术以及海据对广告进行精准的投放。同时，广告主能够迅速得到广告投放的反馈结果，及对应的战略调整。另一方面，无论是国内还是国外的互联网巨头企业里面，在线广告的收入总占据的地位。在国内，百度、腾讯、阿里巴巴、字节跳动四家企业的在线广告收入就其总收入的 60%以上[1]。在国外，Google 公司的在线广告所带来的收入占其总收%[2]。互联网广告行业有着非常好的发展前景，自 2013 年以来，互联网广告的市场规处于高速的增长趋势。具体增长情况如图 1-1 所示。

框图,组织结构,框图,工程硕士学位

华南理工大学工程硕士学位论文之后分别验证了 CRN-based(CRN、p-CRN、pSI-CRN)特征提取算法以及 CNN-MN 模块的有效性。最后对 p-CRN特征提取算法以及 CNN-MN模块中的超参数进行了实验研究。文章的最后部分进行了总结与期望。本文的组织结构框图如图 1-2 所示。

神经网络,热潮,模型,浅层

图 2-1 FM 模型用浅层神经网络表示习的热潮下，许多工作都是将 FM 模型与神经网络进行结合以看成是一种浅层的神经网络。图 2-1 展示了 FM 模型用神过滤算法算法在推荐场景中已经被成熟地运用。常见的协同过滤算法过滤算法(User-based Collaborative Filtering,UCF)、基于物品d Collaborative Filtering,ICF)、基于模型的协同过滤算法 Filtering,MCF)。算法通常基于评分矩阵 R 计算[25]，评分矩阵如图 2-2 所示表示第个用户对第 j 个物品的喜好程度。

【参考文献】