基于特征优化的广告点击率预测模型研究

• 作者: 贺小娟 郭新顺
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 广告点击率预测 梯度提升决策树 卷积神经网络 特征学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 147-155
• 页数: 9页
• 分类号: TP391
• 字数: 6233字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.201921007

摘要

针对互联网广告数据具有高维稀疏性的特点,在现有的点击率(Click-Through Rate,CTR)预测问题的相关理论和技术基础上,给出了一种基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)的卷积神经网络(Convolutional Neural Networks,CNN)在线广告特征提取模型(CNN Based on GBDT,CNN+).CNN+模型不仅能从原始数据中提取出深度高阶特征,还能解决卷积神经网络在稀疏、高维特征中提取特征困难的问题.在真实数据集上的实验结果表明,与主成分分析(Principal Component Analysis,PCA)和梯度提升决策树这两种特征提取方法相比,CNN+模型提取的特征更加有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭新顺	上海对外经贸大学统计与信息学院	21	73	5.0	8.0
2	贺小娟	上海对外经贸大学统计与信息学院	2	0	0.0	0.0