互联网广告点击率预估模型中特征提取方法的研究与实现

• 作者: 张珣 杨超 潘博 田嫦丽 许彦茹
• 来源期刊: 计算机应用研究
• 关键词: CTR预估 特征提取 互联网广告 Hadoop大数据平台 GBDT
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 334-338
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.003

摘要

互联网广告是一个具有上千亿元规模的市场,广告的点击率(CTR)是互联网广告投放效果的重要指标.在广告点击率预估模型中,特征提取是关键因素,特征的好坏直接影响到最终模型的效果.针对如何提高广告点击率预估效率问题,在Hadoop大数据平台环境中,提出了基于梯度提升决策树(gradient boost decisiontree,GBDT)模型的多维特征提取方法.该方法利用原始数据构建多维基础特征库,并将基础特征库中除ID类特征以外的其余特征输入GBDT模型进行特征刷选,得到高层特征,进一步进行分类.该方法的使用不仅减少了特征提取的人工成本和时间成本,也在很大程度上提升了模型的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田嫦丽	北京工商大学计算机与信息工程学院	4	49	4.0	4.0
2	张珣	北京工商大学计算机与信息工程学院	14	74	4.0	8.0
3	潘博	北京工商大学计算机与信息工程学院	5	49	4.0	5.0
4	杨超	北京工商大学计算机与信息工程学院	10	113	5.0	10.0
5	许彦茹	北京工商大学计算机与信息工程学院	1	31	1.0	1.0