在线广告中改进数据分层的动态点击率评估算法

作     者：朱丽辉 谢瑾奎 潘书敏 杨宗源 ZHU Li-hui;XIE Jin-kui;PAN Shu-min;YANG Zong-yuan

作者机构：华东师范大学计算机科学技术系上海200241 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2015年第36卷第7期

页      面：1492-1497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）] 

基　　金：国家自然科学基金项目(61070226)资助 

主　　题：点击率 在线广告 数据分层 机器学习 

摘      要：在线广告作为广告主向用户传达信息的载体,在这个信息过载的时代具有重要的意义.点击率是在线广告中的一个重要的指标,能够帮助广告主进行广告性能优化和广告预算投放.然而,由于其数据稀疏性的特征,使得点击率的评估难以达到很高的准确度.为了准确地评估点击率,本文不仅从机器学习中基于决策树分类器的角度加以改进,而且从广告数据本身的角度出发,充分考虑数据本身的层次关系,增加了对点击与展现随时间的演化建模,提出了一种动态点击率模型算法.在真实互联网广告数据中对所设计的算法进行实现,并与传统机器学习的算法做实验对比,AUC值提升幅度达到17%,验证了本文提出的算法是对数据稀疏问题的有效解决方案.