基于深度學(xué)習(xí)的搜索廣告點(diǎn)擊率預(yù)測(cè)方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，海量數(shù)據(jù)背景下的網(wǎng)絡(luò)營(yíng)銷(xiāo)方式越來(lái)越受青睞。在線廣告作為新的廣告形式應(yīng)運(yùn)而生，展現(xiàn)出了巨大的市場(chǎng)潛力和商業(yè)價(jià)值，搜索廣告是規(guī)模最大，增長(zhǎng)最快的在線廣告形式，它根據(jù)用戶搜索的內(nèi)容投放相關(guān)的廣告，如今已經(jīng)成為互聯(lián)網(wǎng)行業(yè)的主要收入來(lái)源之一。搜索廣告背后最為關(guān)鍵的技術(shù)是廣告點(diǎn)擊率的預(yù)測(cè)，它不但關(guān)系到廣告投放的排名，也影響著廣告點(diǎn)擊的收費(fèi)。因此，如何有效的利用海量歷史數(shù)據(jù)對(duì)搜索廣告的點(diǎn)擊率進(jìn)行預(yù)測(cè)是一項(xiàng)非常有意義的工作。目

2、前已有的工作大多基于淺層模型進(jìn)行搜索廣告的點(diǎn)擊率預(yù)測(cè)，淺層模型在特征學(xué)習(xí)方面是直接使用統(tǒng)計(jì)學(xué)習(xí)方法計(jì)算得到的特征，特征中每一維的含義固定并且孤立，不能表達(dá)內(nèi)部之間的關(guān)系。
　　本文研究的目標(biāo)是通過(guò)給定的信息預(yù)測(cè)搜索廣告的點(diǎn)擊率，通過(guò)使用深度學(xué)習(xí)模型，挖掘更多的特征之間的關(guān)系，從而能更有效的提高預(yù)測(cè)的結(jié)果。具體地，本文主要包含如下三方面的研究?jī)?nèi)容。
　　第一、本文從搜索廣告點(diǎn)擊率預(yù)測(cè)的定義出發(fā)，分析了數(shù)據(jù)集的數(shù)據(jù)的分布和特點(diǎn)并

3、對(duì)數(shù)據(jù)集進(jìn)行了預(yù)處理，在此基礎(chǔ)上，本文根據(jù)對(duì)搜索廣告的認(rèn)識(shí)和在實(shí)際應(yīng)用中的特性，提取了六類(lèi)不同的特征。其次，針對(duì)深度學(xué)習(xí)在搜索廣告點(diǎn)擊率預(yù)測(cè)應(yīng)用中的訓(xùn)練耗時(shí)和內(nèi)存限制，本文設(shè)計(jì)了一種基于GPU計(jì)算的分塊實(shí)現(xiàn)方案。
　　第二、本文首先使用了樸素貝葉斯模型、邏輯斯蒂回歸模型和支持向量回歸模型等主流方法對(duì)點(diǎn)擊率進(jìn)行預(yù)測(cè)，并分析了他們的不足。進(jìn)而使用基于深度神經(jīng)網(wǎng)絡(luò)模型的搜索廣告點(diǎn)擊率預(yù)測(cè)的方法，我們使用dropout方法來(lái)降低在訓(xùn)練時(shí)過(guò)