基于特征降维和DBN的广告点击率预测

摘要：

为有效提升搜索广告的点击率预测效果,提出一种基于特征降维和深度置信网络的模型(KTDDBN).针对传统方法还停留在探索广告特征间的线性关系的局限性,提出使用深度置信网络寻找广告特征间更加复杂的深层关联;提取广告特征后,采用K-means聚类以及张量分解对高维特征进行降维,利用深度置信网络挖掘高阶的特征组合,提高预测模型的效果.实验结果表明,该模型在一定程度上提升了广告点击率的预测效果.

关键词：点击率预测、计算广告学、张量分解、特征降维、深度置信网络

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：赛尔网络下一代互联网技术创新基金项目NGII20160703

在线出版日期：2019-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3700-3704