检索结果-维普期刊中文期刊服务平台

基于特征优化的广告点击率预测模型研究: 1; 作者贺小娟郭新顺《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期147-155,共9页; 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 Netwo... 展开更多; 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; 在线阅读下载PDF 职称材料

搜索引擎用户查询的广告点击意图分析被引量：2: 2; 作者靳岩钦张敏 +1 位作者刘奕群马少平《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2013年第1期124-128,共5页; 搜索引擎广告点击率的多少直接影响搜索引擎的收入,而深入分析用户查询的广告点击意图则是提高广告点击率的基础性工作.针对与此,基于商用搜索引擎的用户查询点击日志,统计分析了搜索引擎用户查询的广告点击率,提出基于查询词内容匹配... 展开更多; 关键词搜索引擎广告用户行为分析查询意图广告点击预测; 在线阅读下载PDF 职称材料

因子分解机模型的宽度和深度扩展研究被引量：7: 3; 作者燕彩蓉周灵杰 +1 位作者张青龙李晓林《软件学报》 EI CSCD 北大核心 2019年第3期822-844,共23页; 因子分解机(factorization machine,简称FM)模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测精度和计算效率,在广告点击率预测和推荐系统领域被广泛研究和应用.对FM及其相关模型的研究进展进行综述,有利于促进该模型... 展开更多; 关键词因子分解机推荐系统广告点击率预测特征工程深度学习并行与分布式计算; 在线阅读下载PDF 职称材料

一种基于Meta-learning改进的特征交互算法: 4; 作者白静耿新宇 +3 位作者易流穆禹锟陈琴宋杰《计算机科学》 CSCD 北大核心 2023年第S02期606-613,共8页; 特征交互在推荐系统领域的广告点击率(Click-Through Rate,CTR)预测任务中至关重要,当前业界做的特征交互往往是基于内积、外积等矩阵变换,这些操作没有引入额外的信息,可以作为衡量两个向量相似性的手段,但作为特征交互的表示不一定是... 展开更多; 关键词特征交互广告点击率预测元学习门控网络推荐系统; 在线阅读下载PDF 职称材料

题名基于特征优化的广告点击率预测模型研究: 1; 作者贺小娟郭新顺; 机构上海对外经贸大学统计与信息学院; 出处《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期147-155,共9页; 基金教育部人文社科青年基金(18YJC630205)。; 文摘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.; 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; Keywords advertising click-through rate prediction gradient boosting decision tree(GBDT) convolutional neural networks(CNN) feature learning; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名搜索引擎用户查询的广告点击意图分析被引量：2: 2; 作者靳岩钦张敏刘奕群马少平; 机构清华大学智能技术与系统国家重点实验室; 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2013年第1期124-128,共5页; 基金国家自然科学基金资助项目(60903107 61073071) 国家高技术研究发展计划资助项目(2011AA01A205); 文摘搜索引擎广告点击率的多少直接影响搜索引擎的收入,而深入分析用户查询的广告点击意图则是提高广告点击率的基础性工作.针对与此,基于商用搜索引擎的用户查询点击日志,统计分析了搜索引擎用户查询的广告点击率,提出基于查询词内容匹配和基于贝叶斯分类的两种方法预测搜索引擎用户查询的广告点击意图.在大规模的真实用户查询点击日志上的实验结果表明,所提出的方法能够预测查询的广告点击意图,将广告投放的精度从3.0%提高到36.8%,广告投放的平均F-measure值从0.060提升到0.408.通过广告点击意图预测,有效缩小了广告投放范围,并适用于在线广告意图的实时预测.; 关键词搜索引擎广告用户行为分析查询意图广告点击预测; Keywords sponsored search user behavior analysis query intent ads click prediction; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名因子分解机模型的宽度和深度扩展研究被引量：7: 3; 作者燕彩蓉周灵杰张青龙李晓林; 机构东华大学计算机科学与技术学院计算机软件新技术国家重点实验室(南京大学) Department of Electrical and Computer Engineering; 出处《软件学报》 EI CSCD 北大核心 2019年第3期822-844,共23页; 基金国家自然科学基金(61402100) 中央高校基本科研业务费专项资金(2232016D3-11)~~; 文摘因子分解机(factorization machine,简称FM)模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测精度和计算效率,在广告点击率预测和推荐系统领域被广泛研究和应用.对FM及其相关模型的研究进展进行综述,有利于促进该模型的进一步改进和应用.通过比较FM模型与多项式回归模型和因子分解模型之间的关联关系,阐述FM模型的灵活性和普适性.从特征的高阶交互、特征的场交互、特征的分层交互以及基于特征工程的特征提取、合并、智能选择和提升等角度,总结模型在宽度扩展方面的方法、策略和关键技术.比较和分析了FM模型与其他模型的集成方式和特点,尤其是与深度学习模型的集成,为传统模型的深度扩展提供了思路.对FM模型的优化学习方法和基于不同并行与分布式计算框架的实现进行概括、比较和分析.最后,对FM模型中有待深入研究的难点、热点及发展趋势进行展望.; 关键词因子分解机推荐系统广告点击率预测特征工程深度学习并行与分布式计算; Keywords factorization machine recommender system CTR prediction feature engineering deep learning parallel and distributed computing; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于Meta-learning改进的特征交互算法: 4; 作者白静耿新宇易流穆禹锟陈琴宋杰; 机构西南石油大学计算机科学学院; 出处《计算机科学》 CSCD 北大核心 2023年第S02期606-613,共8页; 基金四川省科技计划项目(2022NSFSC0555)。; 文摘特征交互在推荐系统领域的广告点击率(Click-Through Rate,CTR)预测任务中至关重要,当前业界做的特征交互往往是基于内积、外积等矩阵变换,这些操作没有引入额外的信息,可以作为衡量两个向量相似性的手段,但作为特征交互的表示不一定是可靠的,许多特征交互无法有效提高点击率预测性能。首先从改善特征交互方式的角度入手引入额外的参数来学习一个映射,假设这个映射能够将两个向量的表征映射成交互的表征。学习映射的过程能够通过元学习(Meta-learning)来实现,故构建一个学习器以函数的方式表征特征交互。另外,不同的特征对不一定采取相同的方式交互,不能通过同一种交互方式得到所有特征对,因此设计一组元学习器(meta-learner)来学习映射函数,引入门控网络(GateNet)学习模型中元学习器的分布,那么不同的特征嵌入可以由一组元学习器得到表征。基于以上两点提出了一种融合多个元学习器并结合门控网络(Multiple meta-learners combined with GateNet,gate-MML)的特征交互算法,通过学习不同特征的联系和差异提高每个特征交互的质量。为了验证所提算法的性能,在xDeepFM模型上采用gate-MML做进一步的特征交互,采用2个真实广告点击率预测的数据集进行实验,并使用Logloss作为损失函数,AUC作为评价指标。实验结果表明与传统的CTR预测模型相比,改进算法提升了广告点击率预测任务的预测性能。; 关键词特征交互广告点击率预测元学习门控网络推荐系统; Keywords Feature interaction Advertising click-through rate prediction Meta-learning GateNet Recommender system; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于特征优化的广告点击率预测模型研究	贺小娟郭新顺	《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料
2	搜索引擎用户查询的广告点击意图分析	靳岩钦张敏刘奕群马少平	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2013	2	在线阅读下载PDF 职称材料
3	因子分解机模型的宽度和深度扩展研究	燕彩蓉周灵杰张青龙李晓林	《软件学报》 EI CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
4	一种基于Meta-learning改进的特征交互算法	白静耿新宇易流穆禹锟陈琴宋杰	《计算机科学》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料