在线广告中改进数据分层的动态点击率评估算法
在线广告作为广告主向用户传达信息的载体,在这个信息过载的时代具有重要的意义.点击率是在线广告中的一个重要的指标,能够帮助广告主进行广告性能优化和广告预算投放.然而,由于其数据稀疏性的特征,使得点击率的评估难以达到很高的准确度.为了准确地评估点击率,本文不仅从机器学习中基于决策树分类器的角度加以改进,而且从广告数据本身的角度出发,充分考虑数据本身的层次关系,增加了对点击与展现随时间的演化建模,提出了一种动态点击率模型算法.在真实互联网广告数据中对所设计的算法进行实现,并与传统机器学习的算法做实验对比,AUC值提升幅度达到17%,验证了本文提出的算法是对数据稀疏问题的有效解决方案.
点击率、在线广告、数据分层、机器学习
36
TP391(计算技术、计算机技术)
国家自然科学基金项目61070226
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
1492-1497