基于特征学习的广告点击率预估技术研究

摘要：

搜索广告中的点击率预估问题在信息检索和机器学习等领域一直是研究的热点。目前通过设计特征提取方案获得特征和针对用户点击行为建模等方法，并没有充分考虑广告数据具有的高维稀疏性、特征之间存在高度非线性关联的特点，致使信息利用不充分。为了降低数据稀疏性和充分挖掘广告数据中隐藏的规律，该文提出了面向广告数据的稀疏特征学习方法。该方法基于张量分解实现特征降维，并充分利用深度学习技术刻画数据中的非线性关联，以解决高维稀疏广告数据的特征学习问题，实验结果验证了文中提出的方法能够有效地提升广告点击率的预估精度，达到了预期效果。

关键词：搜索广告、点击率、张量分解、深度学习、社交网络、社会媒体、计算广告学

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61370084，61202090，61272184;教育部新世纪人才支持计划NCET-11-0829;黑龙江省自然科学基金F201130;中央高校基本科研业务费专项资金HEUCF100609，HEUCFT1202资助．

在线出版日期：2016-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：780-794