發(fā)布時間：2020-05-16 05:40

【摘要】：隨著互聯(lián)網(wǎng)和通訊技術(shù)的快速發(fā)展以及大數(shù)據(jù)時代的到來,“互聯(lián)網(wǎng)+廣告”(網(wǎng)絡(luò)廣告)的營銷模式已經(jīng)成為企業(yè)宣傳推廣商品和獲取盈利的主要渠道之一。近年來,展示廣告(Display Advertising)發(fā)展勢頭強勁,是網(wǎng)絡(luò)廣告應(yīng)用最廣泛的模式和最重要的組成部分。在CPC(Cost per Click)計費模式下,廣告推薦系統(tǒng)能否準確預估展示廣告的點擊率(Click-through Rate,CTR)是工業(yè)界和學術(shù)界研究的核心問題,因為提高廣告點擊率的準確率有利于提高廣告商和廣告主的收入,具有十分重要的意義。本文以淘寶網(wǎng)展示廣告歷史點擊日志為實驗數(shù)據(jù)集,以提高廣告點擊率預估的準確率為目標,在分析了不同類型特征下單一的邏輯回歸模型(Logistic Regression,LR)和因子分解機模型(Factorization Machine,FM)的實驗結(jié)果后,考慮到同一用戶特征對不同用戶群廣告點擊行為的影響,提出使用基于用戶相似度和特征分化的點擊率預估方法(Advertising Click-through Rate Estimation Based on User Similarity and Feature Differentiation,USFD)以提高點擊率預估精度。具體主要包含以下幾個方面:首先,本文詳細介紹了實驗數(shù)據(jù)集和數(shù)據(jù)集中每個字段的含義,給出了提取訓練集和測試集的方法及標準,對連續(xù)型特征和離散型特征分別進行了離散化和獨熱編碼(One-Hot Encoding)處理。最后,提出了評價模型性能的指標ROC曲線和AUC得分以及選擇該指標的原因。其次,本文使用單一的邏輯回歸模型和因子分解機模型對廣告點擊率進行了預測。通過將具體特征、分類特征和全部特征分別作為模型的輸入變量,發(fā)現(xiàn)使用全部特征的因子分解機模型預估效果最好,為下一步使用USFD方法選擇預估子模型時奠定了基礎(chǔ)。最后,由于單一的預估模型沒有處理用戶特征和用戶關(guān)系的缺陷,提出使用USFD方法這一組合模型預估廣告點擊率。它先使用高斯混合模型(Gaussian Mixture Model,GMM)根據(jù)用戶相似度將用戶聚類,然后在各個用戶子集下基于數(shù)據(jù)的全部特征使用因子分解機模型預估點擊率。對于每條測試樣例,將其與各個子集的相似度作為其在對應(yīng)子集下子模型預估的點擊率的權(quán)重,得到測試樣例最終的預測結(jié)果。實驗結(jié)果表明,USFD方法比單一模型預估效果好,它的AUC得分相對邏輯回歸模型和因子分解機模型分別提高了19.1%和9.6%。
【圖文】：

■網(wǎng)絡(luò)廣告牧入規(guī)橫（億元）邐《報礦告收入規(guī)梭（億元）逡逑雜志廣T?哎入墢億元）逡逑圖１．２邋２０１３－２０１８年中國五大媒體廣告收入規(guī)模及預測逡逑１．１．２網(wǎng)絡(luò)廣告的分類和計費模式逡逑網(wǎng)絡(luò)廣告根據(jù)應(yīng)用場景特點可以分為三種形式，即：搜索引擎廣告、上下文逡逑廣告和展示廣告。搜索引擎廣告（Ｓｅａｒｃｈ邋Ａｄｖｅｒｔｉｓｉｎｇ）是指用戶向搜索引擎提交查逡逑詢字段之后，，系統(tǒng)自動在搜索引擎的返回結(jié)果頁面中插入和用戶檢索關(guān)鍵詞相關(guān)逡逑的廣告。上下文廣告（Ｃｏｎｔｅｘｔｕａｌ邋Ａｄｖｅｒｔｉｓｉｎｇ）是指在用戶瀏覽網(wǎng)頁時，根據(jù)網(wǎng)頁上逡逑下文內(nèi)容投放商業(yè)文本廣告或圖片。展示廣告（Ｄｉｓｐｌａｙ邋Ａｄｖｅｒｔｉｓｉｎｇ）指用戶進入某逡逑個環(huán)境（如某個頁面或某個ＡＰＰ）之后，以圖片或視頻形式出現(xiàn)的網(wǎng)絡(luò)廣告，它的逡逑２逡逑

南京大學碩士論文第一章緒論２０１３－２０２０年中國網(wǎng)絡(luò)廣告市場規(guī)楱及預測逡逑１０，０００邋４３ｔＱＣ／0邐３９．９％邐４１＾３％邐３２．０％邐３0．0％邐３１．０％邐２７．７％邐２４邋９％逡逑７８３６．９逡逑８，０００逡逑６２７３邋４逡逑：１邐：邋Ｐｒ邋＿逡逑２０１３邐２０１４邐２０１Ｓ邋２０１６邐２０１７邐２０１８ｅ邐２０１９ｅ邐２０２０ｅ逡逑網(wǎng)絡(luò)廣T?市場規(guī)模（億元）邐同比增長率逡逑圖１．１邋２０１３－２０２０年中國網(wǎng)絡(luò)廣告市場規(guī)模及預測逡逑－
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F713.8

【相似文獻】

相關(guān)期刊論文 前10條

1 ;實時競價廣告(RTB,Real-Time bidding)市場規(guī)模將占美國展示廣告市場的13%[J];廣告大觀(理論版);2012年06期

2 Shailesh Rao;;展示廣告“重生”[J];成功營銷;2011年08期

3 韓國濤;;機場展示廣告的真實感和震撼力[J];聲屏世界·廣告人;2017年03期

4 姜茜;;網(wǎng)絡(luò)虛擬展示廣告的視覺設(shè)計研究[J];藝術(shù)與設(shè)計(理論);2010年03期

5 楊明;王彤;;淺析網(wǎng)絡(luò)虛擬展示廣告在傳統(tǒng)媒體中的視覺效應(yīng)[J];中國包裝;2017年11期

6 華筠;;技術(shù)創(chuàng)新,Google發(fā)力展示廣告[J];廣告大觀(綜合版);2010年10期

7 李小冰,魏滿濤;廣告英語常用的修辭格[J];鄭州經(jīng)濟管理干部學院學報;2003年04期

8 ;兩會地方“顏值”報告[J];領(lǐng)導決策信息;2016年11期

9 周再宇;;Google的展示廣告[J];新營銷;2012年05期

10 盧葉眉;;大數(shù)據(jù)黃金時代的社交廣告潛力[J];聲屏世界·廣告人;2015年12期

相關(guān)重要報紙文章 前10條

1 記者 霍鑫;網(wǎng)絡(luò)展示廣告智能化 搜索引擎巨頭發(fā)力[N];中國高新技術(shù)產(chǎn)業(yè)導報;2011年

2 本報記者 許泳;Google 展示廣告網(wǎng)絡(luò)化繁為簡[N];計算機世界;2011年

3 張琪;Google中國：搜索停擺之后[N];經(jīng)濟觀察報;2011年

4 本報記者 焦麗莎;谷歌瞄準展示廣告[N];中國經(jīng)濟時報;2012年

5 見習記者 焦麗莎;谷歌欲借展示廣告突圍[N];中國經(jīng)濟時報;2011年

6 本報記者 方方;谷歌發(fā)力展示廣告[N];中國經(jīng)濟導報;2011年

7 本報記者 趙正;RTB能否成為傳統(tǒng)營銷“終結(jié)者”[N];中國經(jīng)營報;2013年

8 本報記者 許泳;Google廣告低調(diào)繁榮[N];計算機世界;2010年

9 本報記者 趙正;RTB廣告產(chǎn)業(yè)鏈商機浮現(xiàn)[N];中國經(jīng)營報;2012年

10 記者 劉佳;谷歌中國發(fā)力展示廣告[N];第一財經(jīng)日報;2011年

相關(guān)碩士學位論文 前9條

1 韋玲麗;基于USFD方法的展示廣告點擊率的預估[D];南京大學;2019年

2 宮晨;展示廣告點擊率預估模型的設(shè)計與實現(xiàn)[D];東南大學;2018年

3 徐田;展示廣告點擊率預估平臺的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學;2017年

4 張文澤;基于在線學習的展示廣告系統(tǒng)研究與設(shè)計[D];浙江大學;2016年

5 姜茜;網(wǎng)絡(luò)虛擬展示廣告的視覺傳達設(shè)計[D];江南大學;2008年

6 嚴嶺;展示廣告中點擊率預估問題研究[D];上海交通大學;2015年

7 林小溪;在線展示廣告的最優(yōu)合約規(guī)模與定價策略研究[D];北京外國語大學;2016年

8 李恒峰;在線分類廣告市場研究[D];清華大學;2005年

9 欒倩楠;網(wǎng)絡(luò)視頻廣告的應(yīng)用價值研究[D];浙江傳媒學院;2015年

本文編號：2666254