一种无位置偏见的广告协同推荐算法

• 作者: 杨燕 贺樑 霍晓骏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 广告推荐 位置偏见 协同过滤 点击率 相关性计算
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 39-44
• 页数: 6页
• 分类号: TP391
• 字数: 6719字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.12.007

摘要

在广告推荐系统中，页面与广告的相关性是用户是否点击广告的重要因素，一般利用点击率计算相关性，但是广告展示位置的不同会影响页面-广告相关性计算的准确性，从而导致相关性低的广告被当成相关性高的广告进行错误推荐。针对该问题，提出一种无位置偏见的广告协同推荐算法。利用贝叶斯定理改进位置模型，排除历史数据中的位置影响，计算页面-广告相关性。通过协同过滤技术，为页面找到与其相似的其他邻居页面，实现准确的广告推荐。在腾讯搜搜广告日志数据上进行实验，结果表明，与传统协同过滤算法相比，该算法的推荐准确率、召回率以及F度量值均提高了40%以上，具有较好的广告推荐效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺樑	华东师范大学信息科学与技术学院	26	195	6.0	13.0
2	杨燕	华东师范大学信息科学与技术学院	13	108	6.0	10.0
3	霍晓骏	华东师范大学信息科学与技术学院	2	10	2.0	2.0