基于GMM-FMs的广告点击率预测研究

• 作者: 刘平山 邓路佳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 广告点击率 高斯混合模型 因子分解机 数据稀疏性 逻辑回归模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 122-126
• 页数: 5页
• 分类号: TP311
• 字数: 4408字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050466

摘要

传统单一模型对广告点击率(CTR)的预测效果较片面,且广告日志数据存在稀疏性问题.为此,将高斯混合模型(GMM)与因子分解机(FM)相结合,建立一种广告点击率预测模型GMM-FMs.对原始数据集进行高斯聚类,在聚类后得到的数据子集上分别建立CTR预测模型,将多个预测模型的结果进行有效加权得到最终结果. 实验结果表明,相比传统逻辑回归与FM模型,该模型在训练集与测试集比例不同时均能取得较高的AUC值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘平山	桂林电子科技大学商学院	14	73	4.0	8.0
2	邓路佳	桂林电子科技大学计算机与信息安全学院	2	3	1.0	1.0