基于神经网络的广告点击率预估方法研究

发布时间：2023-05-31 01:38

　　现代信息技术的飞速发展,为广告形式带来了技术上的创新,互联网在线广告行业应运而生,并在短时间内迅速崛起。经过一段时间的测评与观察,在线广告极具商业价值和市场潜力,所以广被社会各界关注。点击率(Click-Through-Rate,CTR)预估成为互联网广告投放的关键性问题。通过采用机器学习和大数据技术,最大程度上对广告系统日志中的数据进行预测。当前预估广告点击率的测算方法是通过历史数据分析得出,通过精准预估点击率然后做出广告投放决策,可以进一步让广告投放更加精准,扩大广告利润空间。本文主要采用基于神经网络的广告点击率作为研究对象,同时将基于逻辑回归的点击率预估算法作为基线算法,分析当前存在于两者广告和基线算法中遇到的困难和问题,然后再根据不同情况提出相应的优化方法。其中:(1)展示广告方面,应考虑到成本问题,尽量减少特征处理的成本,需要全面提高模型预测的准确率,继而设计一个普适性强的模型,即基于FM算法和神经网络相结合的新模型,不再采用传统的独热编码方式,而是采用对向量乘积,把数量高的特征向量嵌入到低维向量空间中去,在此基础上实践到神经网络模型上,从而更好地实现对多字段数据的分类。实验...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容及思路
    1.4 论文结构安排
2 广告点击率预估相关基本知识介绍
    2.1 计算广告学介绍
    2.2 激励函数和模型介绍
    2.3 目标函数优化方法
    2.4 Petuum计算平台
3 基于神经网络的展示广告点击率预估算法
    3.1 展示广告相关背景
    3.2 基线算法在展示广告点击率预估中的应用
    3.3 基于因式分解机和神经网络的点击率预估算法
    3.4 实验与分析
    3.5 本章小结
4 基于神经网络的搜索广告点击率预估算法
    4.1 搜索广告相关背景
    4.2 基线算法在搜索广告点击率预估中的应用
    4.3 基于神经网络的搜索广告点击率预估算法
    4.4 实验与分析
    4.5 本章小结
5 总结与展望
    5.1 论文总结
    5.2 下一步工作展望
6 参考文献
致谢



本文编号：3825430