基于共現(xiàn)關系網(wǎng)絡與深層神經(jīng)網(wǎng)絡的在線廣告點擊率預估模型研究
發(fā)布時間：2020-07-18 08:50
【摘要】：廣告點擊率預估模型用于預估用戶對某個廣告發(fā)生點擊行為的概率。點擊率預估模型具有重要的商業(yè)價值,其直接影響著在線廣告業(yè)務的收入,提高點擊率預估模型的準確率意味著提高企業(yè)的收入。為此,本文進行了如下的研究工作:(1)針對常用于點擊率預估場景的特征提取算法沒有充分地利用用戶之間協(xié)同行為信息的問題,本文提出一種基于共現(xiàn)關系網(wǎng)絡的特征提取算法。該算法能夠利用用戶的歷史行為數(shù)據(jù)構造出一個無向帶權網(wǎng)絡,網(wǎng)絡中的權值反映了用戶之間的協(xié)同行為信息。隨后利用網(wǎng)絡表示學習的技術可以提取出網(wǎng)絡中節(jié)點的特征表達。該算法對權值的定義方式存在優(yōu)化的空間,于是本文進一步提出基于概率權值的共現(xiàn)關系網(wǎng)絡特征提取算法�；诟怕蕶嘀档墓铂F(xiàn)關系網(wǎng)絡特征提取算法將無向帶權網(wǎng)絡轉變?yōu)橛邢驇嗑W(wǎng)絡,使得網(wǎng)絡包含的信息更加的豐富、準確。實驗結果表明,與目前常用于點擊率預估場景的特征提取算法相比,基于概率權值的共現(xiàn)關系網(wǎng)絡所提取到的特征能夠使模型帶來更高的準確率。(2)稠密特征通常是直接接入到點擊率預估模型中的某一部分,這種做法沒有充分利用共現(xiàn)關系網(wǎng)絡所提取到的特征。本文提出一個模塊——基于卷積神經(jīng)網(wǎng)絡的記憶網(wǎng)絡,該模塊在結合共現(xiàn)關系網(wǎng)絡所提取到的廣告特征后,能夠從用戶最近的點擊行為中學習出用戶所感興趣的廣告的特征向量。實驗結果表明,常用的深度點擊率預估模型在使用該模塊后能夠有效地提高預估的準確率。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F713.8;TP183
【圖文】：
課題研究背景與意義在移動互聯(lián)網(wǎng)時代，在線廣告在人們生活中隨處可見。對比報紙、雜志、廣播、些傳統(tǒng)媒體上的廣告，在線廣告能夠充分結合人工智能技術、云計算技術以及海據(jù)對廣告進行精準的投放。同時，廣告主能夠迅速得到廣告投放的反饋結果，及對應的戰(zhàn)略調整。另一方面，無論是國內還是國外的互聯(lián)網(wǎng)巨頭企業(yè)里面，在線廣告的收入總占據(jù)的地位。在國內，百度、騰訊、阿里巴巴、字節(jié)跳動四家企業(yè)的在線廣告收入就其總收入的 60%以上[1]。在國外，Google 公司的在線廣告所帶來的收入占其總收%[2]。互聯(lián)網(wǎng)廣告行業(yè)有著非常好的發(fā)展前景，自 2013 年以來，互聯(lián)網(wǎng)廣告的市場規(guī)處于高速的增長趨勢。具體增長情況如圖 1-1 所示。
華南理工大學工程碩士學位論文之后分別驗證了 CRN-based(CRN、p-CRN、pSI-CRN)特征提取算法以及 CNN-MN 模塊的有效性。最后對 p-CRN特征提取算法以及 CNN-MN模塊中的超參數(shù)進行了實驗研究。文章的最后部分進行了總結與期望。本文的組織結構框圖如圖 1-2 所示。
圖 2-1 FM 模型用淺層神經(jīng)網(wǎng)絡表示習的熱潮下，許多工作都是將 FM 模型與神經(jīng)網(wǎng)絡進行結合以看成是一種淺層的神經(jīng)網(wǎng)絡。圖 2-1 展示了 FM 模型用神過濾算法算法在推薦場景中已經(jīng)被成熟地運用。常見的協(xié)同過濾算法過濾算法(User-based Collaborative Filtering,UCF)、基于物品d Collaborative Filtering,ICF)、基于模型的協(xié)同過濾算 法 Filtering,MCF)。算法通常基于評分矩陣 R 計算[25]，評分矩陣如圖 2-2 所示表示第 個用戶對第 j 個物品的喜好程度。
本文編號：2760676
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F713.8;TP183
【圖文】：
課題研究背景與意義在移動互聯(lián)網(wǎng)時代，在線廣告在人們生活中隨處可見。對比報紙、雜志、廣播、些傳統(tǒng)媒體上的廣告，在線廣告能夠充分結合人工智能技術、云計算技術以及海據(jù)對廣告進行精準的投放。同時，廣告主能夠迅速得到廣告投放的反饋結果，及對應的戰(zhàn)略調整。另一方面，無論是國內還是國外的互聯(lián)網(wǎng)巨頭企業(yè)里面，在線廣告的收入總占據(jù)的地位。在國內，百度、騰訊、阿里巴巴、字節(jié)跳動四家企業(yè)的在線廣告收入就其總收入的 60%以上[1]。在國外，Google 公司的在線廣告所帶來的收入占其總收%[2]。互聯(lián)網(wǎng)廣告行業(yè)有著非常好的發(fā)展前景，自 2013 年以來，互聯(lián)網(wǎng)廣告的市場規(guī)處于高速的增長趨勢。具體增長情況如圖 1-1 所示。
華南理工大學工程碩士學位論文之后分別驗證了 CRN-based(CRN、p-CRN、pSI-CRN)特征提取算法以及 CNN-MN 模塊的有效性。最后對 p-CRN特征提取算法以及 CNN-MN模塊中的超參數(shù)進行了實驗研究。文章的最后部分進行了總結與期望。本文的組織結構框圖如圖 1-2 所示。
圖 2-1 FM 模型用淺層神經(jīng)網(wǎng)絡表示習的熱潮下，許多工作都是將 FM 模型與神經(jīng)網(wǎng)絡進行結合以看成是一種淺層的神經(jīng)網(wǎng)絡。圖 2-1 展示了 FM 模型用神過濾算法算法在推薦場景中已經(jīng)被成熟地運用。常見的協(xié)同過濾算法過濾算法(User-based Collaborative Filtering,UCF)、基于物品d Collaborative Filtering,ICF)、基于模型的協(xié)同過濾算 法 Filtering,MCF)。算法通常基于評分矩陣 R 計算[25]，評分矩陣如圖 2-2 所示表示第 個用戶對第 j 個物品的喜好程度。
【參考文獻】
相關期刊論文 前1條
1 常艷;湯小春;;網(wǎng)絡廣告中反CPC點擊作弊研究[J];科學技術與工程;2010年04期
本文編號：2760676
本文鏈接：http://www.lk138.cn/jingjilunwen/guojimaoyilunwen/2760676.html
