基于多模态深度融合模型的广告点击率预估

摘要：

互联网广告效果的研究是网络营销的研究重点,无论是品牌广告或效果广告,合适的互联网广告设计效果将直接影响网络营销商的利益与用户的体验.现阶段,广告运营商的投放策略、广告创意优化、定向人群、媒体选择都以点击率为重要条件,精准的点击率预估可以精细化权衡和保障用户、广告、平台三方利益.为了更加准确的预估点击率本文定向研究用户行为方式,选择马尔科夫链模型处理用户行为信息,利用频繁序列挖掘用户行为特点消除用户间无差异性假设,基于在线学习方法融合特征构建深度神经网络,获得特征的高阶非线性表达,建立多模态深度融合( Multimodal Depth Integration MDI)模型用于点击率预估.实验结果表明,提出的多模态深度融合模型的表示能力和鲁棒性都优于各基线模型,取得不错的预测效果.

关键词：马尔科夫链、无差别假设、深度神经网络、多模态深度融合模型

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61672329;山东省科技计划项目2014GGX101026;山东省教育科学规划项目ZK1437B010;山东师范大学研究生科研创新基金项目SCX201747

在线出版日期：2020-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2538-2544