短视频偏好率预测方法的研究与应用

发布时间：2023-05-11 04:20

　　随着无线通信技术的飞速发展,以智能手机、平板为代表的各类智能化移动终端的不断普及,移动互联网广告行业得到了迅猛的发展,尤其是移动短视频广告。短视频偏好率(Like-Through Rate,LTR)是衡量企业移动短视频进行广告投放效果的重要指标。通过对移动短视频广告的分析和预测,不仅能够让用户浏览到自己喜欢的视频,改善用户体验,还能辅助广告主合理使用预算,将广告精准传递给目标人群,同时提高移动媒体的网站收益。近年来,点击率和偏好率预测等相关问题的研究已取得很大的进展。目前工业上应用最广泛的预测方法是逻辑回归(Logistic Regression,LR)。LR具有简单、易于实现大规模实时并行处理等优点,然而,线性模型的学习能力有限,无法捕获高阶特征所携带的信息,从而限制了LR的预测性能。而短视频用户偏好率预测往往面临数据量大,数据特征维度多,数据多主题等问题,如何从不同主题、不同特征维度及特征组合中获取有价值的高阶信息对于短视频提升广告平台价值是非常重要的。基于上述问题,本文的主要研究内容如下:(1)对目前经典点击率预估模型LR、GBDT、FM及变体XGBoost、FFM进行研究,通过...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要的研究内容
    1.4 本文的章节安排
第二章 相关理论研究
    2.1 偏好率预估建模流程
    2.2 特征工程
        2.2.1 特征预处理
        2.2.2 特征处理方法
        2.2.3 特征选择方法
    2.3 集成学习的原理
        2.3.1 Bagging算法
        2.3.2 Boosting算法
        2.3.3 Stacking算法
    2.4 LDA主题模型
    2.5 本章小结
第三章 基于特征组合的偏好率预估模型研究
    3.1 基线偏好率预估模型研究
        3.1.1 广义线性回归
        3.1.2 因子分解机与域感知因子分解机
        3.1.3 梯度提升树与极限梯度提升机
    3.2 基于融合模型的短视频偏好率预测模型研究
    3.3 基于主题模型的短视频偏好率预测模型研究
        3.3.1 LDA算法建模生成不同主题的子训练集
        3.3.2 利用GBDT提取高影响力的特征
        3.3.3 训练不同主题下的偏好率预测模型
        3.3.4 短视频偏好率预测
    3.4 本章小结
第四章 实验结果及分析
    4.1 实验环境及数据集介绍
        4.1.1 实验环境
        4.1.2 数据集介绍
    4.2 数据预处理和特征提取的总流程
        4.2.1 数据探索性分析
        4.2.2 特征库的设计
    4.3 模型选择及模型评价的介绍
        4.3.1 模型选择
        4.3.2 评价指标
    4.4 对比实验
        4.4.1 树棵数和树深度的设定
        4.4.2 主题个数对偏好率预测的影响
        4.4.3 LDA、XGBoost和 FFM融合前后的模型性能对比
    4.5 本章小结
第五章 总结与展望
参考文献
攻读学位期间的研究成果
致谢



本文编号：3814148