基于集成学习的在线广告转化率预估算法的研究

发布时间：2020-10-22 04:15

　　 随着用户追踪技术进一步发展,近几年出现了按广告转化次数收费的新计费方式,如何为用户匹配转化率最高的广告,成为近几年的热门研究方向。转化率预估以点击率预估方法的复用为主,专门针对转化率预估的研究较少。广告转化率预估有几个难点:转化数据维度极高、转化数据高度稀疏、样本包含不随机的错误标记,这造成目前广告转化率预估的效果仍然很不理想。基于上述背景,本文将集成学习方法应用于在线广告转化率的预估,探究在多维度特征模型之下的转化率预估与个性化推荐。研究主要包含两个方面:(1)特征工程。本文分析了在线广告的特点,建立了基于{用户,广告,情境}的多维度特征模型,并采用了贝叶斯平滑、极度热门项目降权惩罚和自然属性特征概率化三种修正方法,对基础多维度特征模型进行了修正。(2)模型算法。基于集成学习设计了一种较复杂的三层集成模型,该模型包含三个子集成模型:GBDT的Stacking集成模型、FFM的Stacking集成模型以及XGBoost和FM的串行集成模型,并设计和实现了求解该模型的算法。本文采用了logloss和AUC值两种评价指标评估模型的预估效果,与单模型相比,本文提出的特征修正方法和集成模型对转化率预估的效果有显著提升。相比传统方法,本文提出的方法通过将多个结构具有较大差异性的模型进行集成,充分利用树模型和广义线性模型性的优点,减少了模型的过拟合现象,提高了泛化能力和预测的准确程度,是一种对稀疏数据进行预测的有效方法。本文通过以上研究,丰富了在线广告个性化推荐领域的理论基础,也为移动端在线广告转化率预估提供了一种较为通用的方法,具有一定的理论意义和现实意义。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F713.8
【部分图文】：

告商事先指定的动作［３Ｇ］，例如完成了一次表单的填写、一项商品的购买、一次应??用的下载等。这个指定的动作可能是某个动作，可能是一个特定的动作序列，也??有可能是某个动作（序列）集合中的任意一个。图２－１是一个典型的在线广告转??化示例：用户从广告入口进入广告落地页，这个落地页包含２类转化动作：“拨??打电话”和“提交表单”。“拨打电话”是一个转化动作，“提交表单”是一个包??含了?“填写表单”和“提交表单”两个动作的转化动作序列，这里的转化动作和??转化动作序列共同构成了这一则在线广告的转化动作（序列）集合，用户只需要??完成这个集合中的任意一个动作或动作序列，就可以被认为是完成了一次在线广??告的转化。??苏級谈ｍ丨奔驰车壬不飱受通歉．．．＜?龙京五十家装饶?？？？??关＃推稃视雜热点新时代北ｊ?＝?■■Ｂ?５??共建－带－路－共享丰麵粜??ｍ?ｆｃ?＿Ｌ，?．．?＾：Ｉ??三问奔麟权攀件：搌务费进了逛滕包？能?？ＪＬ－１Ｗ￡Ｓｈｍ?＾??ＢＭｊＢＴｗ．?！：，Ｉ?？－ｓ，？际范的螯装要花多少钱５??和物喊？?已赛⑶邱位此主贿了接鎌转?Ｉ??在索装蝝？不１；楚．金是年筘．鉍ｏｎｒｕｎ??个价玆亏了?Ｉ???〇?＜〇ｎ?１％??Ｌ?ｍｔｍ?ｘｘ？：?ｎ?？ｉ４Ｒ：??ｉｔ?■???賺、纖－??Ｌ?ｍ?ｒ￣￣???＿?Ｍ?戀＾作２的前序动作??．北莊卞家麯?｛ｍｍ｝??卿?Ｊ?—膨??猪肚这样吃方叫爽

?Ｄ４：训练?Ｄ４：预測??图２－８?Ｓｔａｃｋｉｎｇ算法原理示意图??Ｆｉｇｕｒｅ?２－８?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｐｒｉｎｃｉｐｌｅ?ｏｆ?Ｓｔａｃｋｉｎｇ?ｍｅｔｈｏｄ??１４??

次级学习器的输入，最终获得强学习器。??，初级学习器１?｜－＾?次级特征１??训练集Ｄ１?—－？初级学习器２?—－一?＋?次级特征２?—次级学习器－＞?强学习器??－？初级学习器ｎ」?Ｕ－次级特征ｎ?—??图２－７?Ｂｌｅｎｄｉｎｇ算法原理示意图??Ｆｉｇｕｒｅ?２－７?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｐｒｉｎｃｉｐｌｅ?ｏｆ?Ｂｌｅｎｄｉｎｇ?ｍｅｔｈｏｄ??２．２．４?Ｓｔａｃｋｉｎｇ?算法??Ｓｔａｃｋｉｎｇ算法和Ｂｌｅｎｄｉｎｇ算法类似，区别在于Ｓｔａｃｋｉｎｇ采用ｋ－ｆｏｌｄ方法将训??练集分为若干个子集，用交叉验证的方法得到全部训练数据的预测值，然后将它??们作为次级学习器的输入特征，也就是说Ｂｌｅｎｄｉｎｇ算法在训练初级学习器的时候??只用了训练集中的部分数据，而Ｓｔａｃｋｉｎｇ算法使用了全部的数据。以将训练集分??为４份为例，原理如下图??
【相似文献】

相关期刊论文 前10条

1 ;数字[J];广告大观(综合版);2013年06期

2 程征;;传统媒体在线广告渐入佳境[J];中国记者;2010年07期

3 程征;郭雨;;美国传统媒体在线广告回暖的六个秘诀[J];中国记者;2010年10期

4 杰森·库珀曼;;在线广告：冬天里的自我改善[J];商务周刊;2009年01期

5 詹尼弗·萨巴;张世海;;报业的在线广告该怎么做?[J];中国报业;2009年12期

6 杨伟庆;;从新浪看2008年在线广告[J];互联网周刊;2008年06期

7 詹逾;;浙江在线广告公交车上路[J];新闻实践;2007年05期

8 陈杰;;在线广告模式是灵丹妙药吗?[J];市场观察;2007年09期

9 ;2008年美在线广告市场将达207亿美元[J];印刷技术;2007年31期

10 方蕾;;在线广告事倍功半 长期利益及短期回报需慎重权衡[J];IT时代周刊;2006年01期

相关博士学位论文 前3条

1 王永;在线广告网络的评估与优化[D];电子科技大学;2011年

2 欧海鹰;互联网环境下在线广告位置管理研究[D];北京邮电大学;2011年

3 纪文迪;时间敏感的转化率预测和归因分析[D];华东师范大学;2017年

相关硕士学位论文 前10条

1 曾贵川;在线广告需求方平台利润优化算法研究[D];电子科技大学;2019年

2 欧桐桐;基于集成学习的在线广告转化率预估算法的研究[D];北京交通大学;2019年

3 张思遥;在线广告需求方平台设计与实现[D];北京邮电大学;2019年

4 张永欢;在线广告资源管理与发布系统[D];山东大学;2018年

5 胡晓红;基于眼动追踪的在线广告效果研究[D];山东师范大学;2018年

6 张志浩;基于深度学习的在线广告点击率预估系统的设计与实现[D];南京大学;2015年

7 蒋俊翔;在线广告中的点击率和转化率预估问题研究[D];华南理工大学;2018年

8 徐智;基于改进时间分片算法的在线广告点击率预估研究[D];南昌大学;2018年

9 代文涛;面向搜索引擎的在线广告系统的设计与实现[D];北京邮电大学;2018年

10 武泽群;面向电子商务网站的在线广告系统的设计与实现[D];北京邮电大学;2018年

本文编号：2851080