基于GRU神经网络的广告精准投放预测模型研究
发布时间：2021-01-19 12:23
近几年来随着搜索引擎的快速发展与应用,基于搜索引擎的广告已成为最大的网络广告形式,它展现了巨大的发展前景和商业价值。点击率是评判搜索引擎广告效果优劣的重要标准和进行广告投放的主要依据。因此,对搜索引擎广告的点击率预估进行研究还是非常有必要和具有现实意义的。在现有的研究中,主要思想是基于用户的角度去模拟用户行为,但这并不能为广告主投放广告提供有效依据。此外现有的大部分预测算法采用的特征都是孤立性存在的,没有考虑数据特征之间的联系和依赖性对预测的影响。本文的研究目标是从广告主的角度出发,通过循环神经网络去模拟序列数据之间的依赖性和挖掘特征之间的内在关系,从而提高点击率预测的效果,为广告主投放广告提供有效依据。本文的主要研究内容如下:第一,对数据进行数据处分析理和特征处理。序列数据是体现数据之间前后依赖关系的表现形式,本文从广告主的角度对经过缺失处理的数据集进行历史点击率分析,发现广告后一段时间的点击在一定程度上依赖于前一段时间的点击研究,并以此构建了适合于循环神经网络算法训练的基于时间的广告序列数据;然后对数据进行特征提取,获得对模型有效的特征数据。为了解决one-hot对文本信息编码会产...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
012-2018中国搜索用户规模情况
本章主要涉及搜索引擎广告点击率预测的相关理论和技术。主要从以下几个方面来论述：搜索引擎广告技术、传统的点击率预测模型和特征处理的相关技术以及评价函数进行了详细介绍。2.1 搜索引擎广告技术2.1.1 搜索引擎广告模式搜索引擎广告的主流模式是 google Adword 推出的 PPC(Pay Per Click)模式，即按点击付费。该模式的主体主要有广告主、搜索引擎和用户。三方之间的关系如图 2-1 所示。广告商向搜索引擎提供广告，搜索引擎将广告与用户的查询词进行匹配和向用户展现，而用户则是广告的最终接受者，在用户进行搜索并点击后，搜索引擎会根据点击的是否有效来对广告商进行收费，有效点击则收费，无效点击则不收费[39]：
神经网络是一种由大量的节点（神经元）联接构成网络运算模型。每一个既是上一层的计算结果的输出值，又是下一层的计算的输入值。每个节点的结果则根据网络的连接的权重值和激励函数计算，权重值和激励函数的不同计算的结果也有所差异，网络的最后一层的输出值则作为模型的运算结果。神经网络的逐渐发展，在预测场景中它的相关应用也比较广泛。点击率预测其中之一。BP 神经网络由 McClelland 和 Rumelhart 在 1986 年提出的[42]。这种网络要的特点是在训练过程中数据信号结果逐层向前传递，而误差会在得到结果向传播。在前向传递过程中，输入的数据会从输入层开始经过隐含处理，然输出层。每层节点状态都会影响下一层的节点的状态。如果输出层的结果不，则会进行反向传播过程，根据得到的真实值和预测值的误差去逐层调节点的权值和阀值，从而使得输出值逐渐的向期望输出值靠近，直到得到最终的值。 BP 模型示意图如图 2-2 所示：
【参考文献】：
期刊论文
[1]基于融合结构的在线广告点击率预测模型[J]. 刘梦娟,曾贵川,岳威,刘瑶,秦志光. 计算机学报. 2019(07)
[2]人脸识别技术综述及分析[J]. 党永成. 电子技术与软件工程. 2018(03)
[3]搜索引擎点击模型综述[J]. 王超,刘奕群,马少平. 智能系统学报. 2016(06)
[4]基于LASSO变量选择方法的网络广告点击率预测模型研究[J]. 李春红,吴英,覃朝勇. 数理统计与管理. 2016(05)
[5]关键词广告在不同搜索引擎中的比较研究——以Google AdWords和百度推广为例[J]. 顾华琴,樊琴. 现代营销(下旬刊). 2016(12)
[6]广告点击率预估技术综述[J]. 陈巧红,余仕敏,贾宇波. 浙江理工大学学报. 2015(11)
[7]Variable Selection in Logistic Regression Model[J]. ZHANG Shangli,ZHANG Lili,QIU Kuanmin,LU Ying,CAI Baigen. Chinese Journal of Electronics. 2015(04)
[8]基于卷积神经网络的搜索广告点击率预测[J]. 李思琴,林磊,孙承杰. 智能计算机与应用. 2015(05)
[9]基于贝叶斯推理的点击模型及其实现[J]. 孙付伟,李娟,杨达. 计算机应用与软件. 2013(01)
[10]基于搜索引擎的网络广告模式分析[J]. 王欣妮. 情报探索. 2010(04)
硕士论文
[1]基于贝叶斯方法的网络广告预测模型研究[D]. 吴英.广西大学 2016
[2]基于深度学习的搜索广告点击率预测方法研究[D]. 李思琴.哈尔滨工业大学 2015
[3]面向精准广告投放的数据分析与可视化系统设计与实现[D]. 张清.山东大学 2015
[4]语音识别关键技术研究[D]. 王一蒙.电子科技大学 2015
[5]一种基于逻辑回归模型的搜索广告点击率预估方法的研究[D]. 王兵.浙江大学 2013
本文编号：2986982
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
012-2018中国搜索用户规模情况
本章主要涉及搜索引擎广告点击率预测的相关理论和技术。主要从以下几个方面来论述：搜索引擎广告技术、传统的点击率预测模型和特征处理的相关技术以及评价函数进行了详细介绍。2.1 搜索引擎广告技术2.1.1 搜索引擎广告模式搜索引擎广告的主流模式是 google Adword 推出的 PPC(Pay Per Click)模式，即按点击付费。该模式的主体主要有广告主、搜索引擎和用户。三方之间的关系如图 2-1 所示。广告商向搜索引擎提供广告，搜索引擎将广告与用户的查询词进行匹配和向用户展现，而用户则是广告的最终接受者，在用户进行搜索并点击后，搜索引擎会根据点击的是否有效来对广告商进行收费，有效点击则收费，无效点击则不收费[39]：
神经网络是一种由大量的节点（神经元）联接构成网络运算模型。每一个既是上一层的计算结果的输出值，又是下一层的计算的输入值。每个节点的结果则根据网络的连接的权重值和激励函数计算，权重值和激励函数的不同计算的结果也有所差异，网络的最后一层的输出值则作为模型的运算结果。神经网络的逐渐发展，在预测场景中它的相关应用也比较广泛。点击率预测其中之一。BP 神经网络由 McClelland 和 Rumelhart 在 1986 年提出的[42]。这种网络要的特点是在训练过程中数据信号结果逐层向前传递，而误差会在得到结果向传播。在前向传递过程中，输入的数据会从输入层开始经过隐含处理，然输出层。每层节点状态都会影响下一层的节点的状态。如果输出层的结果不，则会进行反向传播过程，根据得到的真实值和预测值的误差去逐层调节点的权值和阀值，从而使得输出值逐渐的向期望输出值靠近，直到得到最终的值。 BP 模型示意图如图 2-2 所示：
【参考文献】：
期刊论文
[1]基于融合结构的在线广告点击率预测模型[J]. 刘梦娟,曾贵川,岳威,刘瑶,秦志光. 计算机学报. 2019(07)
[2]人脸识别技术综述及分析[J]. 党永成. 电子技术与软件工程. 2018(03)
[3]搜索引擎点击模型综述[J]. 王超,刘奕群,马少平. 智能系统学报. 2016(06)
[4]基于LASSO变量选择方法的网络广告点击率预测模型研究[J]. 李春红,吴英,覃朝勇. 数理统计与管理. 2016(05)
[5]关键词广告在不同搜索引擎中的比较研究——以Google AdWords和百度推广为例[J]. 顾华琴,樊琴. 现代营销(下旬刊). 2016(12)
[6]广告点击率预估技术综述[J]. 陈巧红,余仕敏,贾宇波. 浙江理工大学学报. 2015(11)
[7]Variable Selection in Logistic Regression Model[J]. ZHANG Shangli,ZHANG Lili,QIU Kuanmin,LU Ying,CAI Baigen. Chinese Journal of Electronics. 2015(04)
[8]基于卷积神经网络的搜索广告点击率预测[J]. 李思琴,林磊,孙承杰. 智能计算机与应用. 2015(05)
[9]基于贝叶斯推理的点击模型及其实现[J]. 孙付伟,李娟,杨达. 计算机应用与软件. 2013(01)
[10]基于搜索引擎的网络广告模式分析[J]. 王欣妮. 情报探索. 2010(04)
硕士论文
[1]基于贝叶斯方法的网络广告预测模型研究[D]. 吴英.广西大学 2016
[2]基于深度学习的搜索广告点击率预测方法研究[D]. 李思琴.哈尔滨工业大学 2015
[3]面向精准广告投放的数据分析与可视化系统设计与实现[D]. 张清.山东大学 2015
[4]语音识别关键技术研究[D]. 王一蒙.电子科技大学 2015
[5]一种基于逻辑回归模型的搜索广告点击率预估方法的研究[D]. 王兵.浙江大学 2013
本文编号：2986982
本文链接：https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/2986982.html
