深度图像信息在搜索广告中的探索研究

发布时间：2023-03-13 19:26

　　随着互联网技术的飞速发展,大数据下互联网营销方式越来越受到广告主的欢迎。互联网广告作为网络媒体下新的广告形式,逐渐成为了现代商业广告中主流模式。而搜索广告是其中规模最大,发展最快的互联网广告形式之一,它根据用户的查询Query决定投放的广告,已经成为了各大互联网公司的核心收入来源。传统的搜索广告一般是基于NLP(Natural Language Processing)的模型方法,综合用户查询(Query)与广告(Ad,Advertisement)文本信息匹配度,CTR(Click-Through-Rate),出价,阈值等策略最终决定当前Query所展示的Ads。然而在搜索广告领域尤其是商品广告(Product Ads),文本的信息往往不足以完整表达一个商品的信息。而本文正是从图像特征和广告模型两个方面进行改进,从而提升广告模型的效果,具体来说,有以下两个方面:1.基于Product Ads的场景,本文借鉴展示广告领域的模型方法,引入搜索广告中,对比不同的图像特征构建方式对最终模型影响,从而找到最有效的图像特征的构建方案。2.将Teacher-Student架构引入搜索广告场景,并对其训...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 广告推荐与图像特征
        1.2.2 深度模型压缩
    1.3 本文的研究内容
    1.4 本文的组织结构
第二章 搜索广告系统及相关技术
    2.1 搜索广告系统
        2.1.1 竞价广告系统
        2.1.2 CTR预估
        2.1.3 流量反作弊
    2.2 计算机视觉
        2.2.1 GoogleNet
        2.2.2 ResNet系列
    2.3 Teacher-Student网络架构
        2.3.1 Deep Crossing
        2.3.2 DSSM系列
    2.4 本章小结
第三章 深度图像特征探索
    3.1 特征探索方案介绍
    3.2 特征构建及验证实验总览
    3.3 数据及指标说明
    3.4 特征构建与验证实验结果及分析
        3.4.1 图像特征实验结果及分析
        3.4.2 Query与Ad的匹配模型实验结果及分析
    3.5 本章小结
第四章 Teacher-Student架构改进
    4.1 改进方案介绍
    4.2 Teacher-model构建
        4.2.1 多任务构建
        4.2.2 DC模型调整
    4.3 Student-model构建
    4.4 数据及指标说明
    4.5 Teacher-Student实验结果及分析
        4.5.1 Teacher-model实验结果及分析
        4.5.2 Student-model实验结果及分析
    4.6 本章小结
第五章 总结与展望
    5.1 本文总结
    5.2 未来展望
参考文献
致谢



本文编号：3762234