基于特征降维和DBN的广告点击率预测

• 作者: 吴云 杨长春 梅佳俊 顾寰
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 点击率预测 计算广告学 张量分解 特征降维 深度置信网络
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 软件与算法
• 页码范围: 3700-3704
• 页数: 5页
• 分类号: TP311
• 字数: 4598字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.12.018

摘要

为有效提升搜索广告的点击率预测效果,提出一种基于特征降维和深度置信网络的模型(KTDDBN).针对传统方法还停留在探索广告特征间的线性关系的局限性,提出使用深度置信网络寻找广告特征间更加复杂的深层关联;提取广告特征后,采用K-means聚类以及张量分解对高维特征进行降维,利用深度置信网络挖掘高阶的特征组合,提高预测模型的效果.实验结果表明,该模型在一定程度上提升了广告点击率的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨长春	常州大学信息科学与工程学院	52	366	10.0	17.0
2	梅佳俊	常州大学信息科学与工程学院	2	7	1.0	2.0
3	吴云	常州大学信息科学与工程学院	3	8	1.0	2.0
4	顾寰	常州大学信息科学与工程学院	5	11	2.0	3.0