基于深度学习的互联网广告点击率预估方法研究

发布时间：2021-03-04 21:36

　　互联网广告在近十余年里得到持续爆炸式的发展,计算广告随着互联网广告的发展而迅速发展,在计算广告中广告点击率影响着广告的精准推送,点击率预估越精准,所推送的广告越能满足用户的需求,也越能使得广告主和推送介质媒体平台获得最大化的收益。特征工程是广告点击率问题中提高预估模型性能的关键因素,其中构造组合特征方法是提取隐含信息的重要方式之一,传统的构造组合方法依靠人工经验,显性的构造组合特征,如人的年龄和广告的属性做组合,构造出不同年龄段对不同广告属性的喜好程度,该种方法无法构造出更多维度的组合特征,因此本文研究在广告点击率预估问题中如何提取隐含信息的方法,用以提高预估模型的精度,本文提出使用集成学习构造多维组合特征的方法,并进一步使用深度学习提取那些潜在的抽象特征,本文的主要工作如下:（1）提出使用集成学习构建多维组合特征传统的构造组合特征的方法依靠人工经验及实验的方法,这类方法无法高效的提取有效组合方式,因此本文提出使用集成学习方法中的极限梯度提升树模型构建多维组合特征的方法,在原始特征中存在着对任务有重要贡献的特征,也有一些次要特征,使用极限梯度提升树方法构建多维组合特征的方法中,模型依据... 

【文章来源】：西安理工大学陕西省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

中国互联网广告市场规模Fig.1-1ThescaleoftheInternetadvertisingmarketinChina

图中可以看出中国互联网广告市场规模这几年保持着 25%以上的增长，而搜索广告作为百度等公司搜素引擎最主要的收入来源之一，图 1-2 是在百度搜索引擎输入“雨伞”的时候，会在搜索引擎返回的界面中返回相应的一些查询关键字信息，搜索广告和实时竞价广告是互联网广告主要的两种方式，二者不同的在于，搜索广告返回的是与用户输入查询关键字按照匹配程度从高到低排序的多条匹配信息的页面，而实时竞价广告是将广告直接对准到用户，并将广告返回给用户当前所在的媒体网站，直接返回给用户最匹配的一条广告，实现广告的精准投放。图 1-1 中国互联网广告市场规模Fig.1-1 The scale of the Internet advertising market in China

图 1-2 搜索广告Fig.1-2 Search advertisement广告中用户、广告主、媒体三方息时，媒体平台上就获得用户的户的兴趣爱好，此时媒体网站就的用户推送广告，所以这种实时了用户，广告主根据用户的信息的广告推送给用户，在推送广告然后决定是否会向当前用户推送等方式，互联网广告既可以避免的点击行为获取到用户对广告的

【参考文献】：
期刊论文
[1]计算广告:“互联网+”时代的广告业务流程重构[J]. 刘庆振.  中国广告. 2017(06)
[2]“互联网+”时代的计算广告学:产生过程、概念界定与关键问题[J]. 刘庆振.  新闻知识. 2016(06)
[3]基于特征学习的广告点击率预估技术研究[J]. 张志强,周永,谢晓芹,潘海为.  计算机学报. 2016(04)



本文编号：3063965