展示广告点击率预估方法研究

发布时间：2021-12-18 11:37

　　随着互联网的高速发展,在线广告系统在我们日常生活中扮演着越来越重要的角色,并且成为了广告主进行品牌推广和产品营销最有效的方法,准确的预测点击率是在线广告系统最重要的一个环节,因为提高广告点击率预估的准确率不仅有益于广告商的品牌推广,还可以提高用户体验。很多传统点击率预估方法如逻辑回归已经被应用在广告点击率预估系统上并取得了很好的效果,而且在工业界也已经大规模部署。近年来深度学习技术在自然语言处理和计算机视觉任务上取得了不错的成绩,如文本蕴含、文本摘要和图像生成等领域。随之一些深度学习模型也被应用在个性化推荐系统和点击率预估系统上,而且模型结构颇为相似,都是先对特征向量进行降维,然后再使用非线性操作提取特征组合,最后通过深度神经网络继续寻找特征与点击率之间的非线性关系。本文的主要研究内容从以下三个方向进行:（1）基于传统机器学习方法的多模型融合点击率预估任务研究。本文首先在两个大规模真实广告点击率数据集上进行特征工程工作,并使用GBDT算法提取高阶特征组合,然后使用成熟的传统机器学习模型如LR模型和FM模型进行单模型点击率预测,并在单模型的基础上进行模型融合,得到模型融合方法的点击率预估... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

点击率预估问题定义

哈尔滨工业大学工程硕士学位论文（ ， ）区间压缩到（0,1）区间，从而把回归问题线性回归公式如公式（1-6）所示，逻辑函数 sigmoid 如公式（如图 1-2 所示，逻辑回归公式如（1-8）所示。

哈尔滨工业大学工程硕士学位论文益等指标配合剪枝可以很好的处理一些分类问题，而梯度提升决策树中的决策树不是分类决策树而是回归型决策树，回归型决策树的总体流程与分类树类似，但在每一个节点不是预测类别，而是都会得到决策树的一个当前预测值，以身高为例，该预测值就等于属于这个节点的所有观察对象身高的平均值，衡量结果的好坏也从最大熵的分类标准转换为最小化均方差等偏向回归准确度的衡量指标。我们还需要控制树的规模，即棵树和深度，从而提高模型的泛化能力，以免产生过拟合，本文也详细调整了树的棵树与深度、以及一些权重更新的速率与算法。


本文编号：3542314