10.3969/j.issn.1000-3428.2014.12.007
一种无位置偏见的广告协同推荐算法
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。
广告推荐、位置偏见、协同过滤、点击率、相关性计算
TP391(计算技术、计算机技术)
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。
2014-12-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
39-44