基于序列特征的点击率预测模型

• 作者: 朱思涵 浦剑
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 点击率预测 推荐系统 自回归滑动平均模型 因子分解机
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 134-146
• 页数: 13页
• 分类号: TP391
• 字数: 10554字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.201921006

摘要

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱思涵	华东师范大学计算机科学与技术学院	1	0	0.0	0.0
2	浦剑	华东师范大学计算机科学与技术学院	1	0	0.0	0.0