一种无位置偏见的广告协同推荐算法

摘要：

在广告推荐系统中，页面与广告的相关性是用户是否点击广告的重要因素，一般利用点击率计算相关性，但是广告展示位置的不同会影响页面-广告相关性计算的准确性，从而导致相关性低的广告被当成相关性高的广告进行错误推荐。针对该问题，提出一种无位置偏见的广告协同推荐算法。利用贝叶斯定理改进位置模型，排除历史数据中的位置影响，计算页面-广告相关性。通过协同过滤技术，为页面找到与其相似的其他邻居页面，实现准确的广告推荐。在腾讯搜搜广告日志数据上进行实验，结果表明，与传统协同过滤算法相比，该算法的推荐准确率、召回率以及F度量值均提高了40%以上，具有较好的广告推荐效果。

关键词：广告推荐、位置偏见、协同过滤、点击率、相关性计算

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划基金资助项目2012BAH74F02;上海市科委基金资助重大项目12dz1500205。

在线出版日期：2014-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：39-44