在线广告点击率预测方法的研究综述

作     者：龚雪鸾 陈艳姣 王帅 GONG Xueluan;CHEN Yanjiao;WANG Shuai

作者机构：武汉大学计算机学院湖北武汉430072 浙江大学电气工程学院浙江杭州310058 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2023年第37卷第4期

页      面：1-17页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：点击率预测 陈列式广告 机器学习 

摘      要：在在线广告和推荐系统中,准确预测点击率(Click-Through Rate,CTR)是至关重要的。CTR是广告被点击次数与广告被展示次数的比值。过去,许多传统的机器学习算法,如逻辑回归、支持向量机,因为简单且易于实现而被广泛地应用于广告点击率预测工作。然而,这些传统算法往往需要复杂的特征工程。相较之下,深度学习模型能够有效自动提取高阶特征,可以较好地解决这一问题。此外,为了实现更高效、更准确的性能,融合了嵌入式和钦层感知器(Multilayer Perceptron,MLP)的优点的混合架构近年来被广泛地应用。该文对预测点击率的方法进行了全面的研究,不仅根据现有解决方案的架构将其分为三类,而且对每一类进行了详细的概述。最后,该文指出了该领域存在的挑战和未来发展方向,为进一步研究指明可能的途径。