| 基于特征优化的广告点击率预测模型研究 |
| |
| 引用本文： | 贺小娟,郭新顺.基于特征优化的广告点击率预测模型研究[J].华东师范大学学报(自然科学版),2020(4):147-155. |
| |
| 作者姓名： | 贺小娟 郭新顺 |
| |
| 作者单位： | 上海对外经贸大学 统计与信息学院,上海 201620,上海对外经贸大学 统计与信息学院,上海 201620 |
| |
| 基金项目： | 教育部人文社科青年基金 |
| |
| 摘 要： | 针对互联网广告数据具有高维稀疏性的特点,在现有的点击率(Click-Through Rate, CTR)预测问题的相关理论和技术基础上,给出了一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)的卷积神经网络(Convolutional Neural Networks, CNN)在线广告特征提取模型(CNN Based on GBDT,CNN+). CNN+模型不仅能从原始数据中提取出深度高阶特征,还能解决卷积神经网络在稀疏、高维特征中提取特征困难的问题.在真实数据集上的实验结果表明,与主成分分析(Principal Component Analysis,PCA)和梯度提升决策树这两种特征提取方法相比, CNN+模型提取的特征更加有效.
|
| 关 键 词： | 广告点击率预测 梯度提升决策树 卷积神经网络 特征学习 |
Research on an advertising click-through rate prediction model based on feature optimization |
| |
| HE Xiaojuan,GUO Xinshun.Research on an advertising click-through rate prediction model based on feature optimization[J].Journal of East China Normal University(Natural Science),2020(4):147-155. |
| |
| Authors: | HE Xiaojuan GUO Xinshun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
