展示广告点击率预估模型的设计与实现

发布时间：2020-12-16 01:37

　　近年来,随着互联网的迅猛发展,信息传播成为互联网交流的主要方式。互联网广告,作为新的信息传播方式,给互联网的发展产生的深远的影响的同时,也成为大部分互联网企业盈利的主要方式之一。互联网公司广告业务中的千次展示期望收入eCPM(expected Cost Per Mille),是衡量营收的重要量化指标之一,表现为点击率和点击价值的乘积,而点击价值在广告投放之初就已经确定,所以点击率就成为特别重要的参数。准确预估点击率对广告主来说,提高了广告商品的宣传和推广;对于广告平台商来说,可以获取更多的收益;对于广大用户来说,可以提高用户体验,可以更好的针对性的获取广告信息。本文主要研究基于展示广告的点击率预估模型。不同于传统的搜索广告,展示广告的点击数据更加稀疏,长尾效应也比较明显,且在点击率预估的时候需要同时考虑离散特征和连续特征这两种不同形式,导致点击率的准确预估比较困难。针对上述问题,为了更高效和准确地预估出展示广告的广告点击率,论文提出模型组合的思想,即在特征提取阶段建立不同类型的决策树使曝光数少的长尾广告和新广告可以得到充分的训练;同时针对两种形式的特征,将连续特征通过决策树来离散化,然... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

原型系统总框架图

图 4-1 各模型 ROC 曲线图表 4-15 各模型线下 AUC 值对比表特征 模型 AUC人工组合 LR 0.8322人工组合 FM 0.8502DT 自动组合 LR 0.8596st+FM 自动组合 LR 0.8599图 4-1 的 AUC 数据整理到表 4-15 中，通过观察 AUC 值可以发现本文设计的组C 上的表现明显优于几个基线模型。）不同模型线下 LogLoss 值的对比实验式 4-5 可以计算出不同模型的 LogLoss 值，如表 4-16 所示。


本文编号：2919275