|本期目录/Table of Contents|

[1]陈巧红,余仕敏,贾宇波.广告点击率预估技术综述[J].浙江理工大学学报,2015,33-34(自科6):851-857.
　CHEN Qiao hong,YU Shi min,JIA Yu bo.Overview of Advertisement Clickthrough Rate Estimating Techniques[J].Journal of Zhejiang Sci-Tech University,2015,33-34(自科6):851-857.
点击复制

广告点击率预估技术综述()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第33-34卷
期数:
2015年自科6期
页码:
851-857
栏目:
出版日期:
2015-11-10

文章信息/Info

Title:
Overview of Advertisement Clickthrough Rate Estimating Techniques
文章编号:
1673-3851 (2015) 06-0851-07
作者:
陈巧红;  余仕敏;  贾宇波
浙江理工大学信息学院,杭州 310018
Author(s):
CHEN Qiaohong; YU Shimin; JIA Yubo
School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
广告点击率; 预估模型; 神经网络; 因子分解机
分类号:
TP181
文献标志码:
A
摘要:
广告点击率的预估是计算广告学领域的重要研究内容，准确的广告点击率预估可以提高真实的广告点击率，增加收益。逻辑回归模型、支持向量机模型、贝叶斯模型、神经网络模型等模型适用于历史广告点击数据丰富的情况，适用无历史广告点击数据和广告点击数据稀疏的模型包括层次聚类模型、相似项预估模型、因子分解机等模型，而时间空间模型、层次模型则适用上述所有广告点击数据的情况。根据不同的广告数据特征，采用不同的模型，可以获得很好的预估效果。

参考文献/References:

［1］ 李敏. 计算广告学将成为数字商业的奠基学科［J］. 程序员, 2014 (5): 109-109.
［2］ 周傲英, 周敏奇, 宫学庆.计算广告:以数据为核心的Web综合利用［J］.计算机学报，2011,34(10):1805-1891.
［3］ 纪文迪, 王晓玲, 周傲英. 广告点击率估算技术综述［J］. 华东师范大学学报: 自然科学版, 2013 (3): 2-14.
［4］ Richardson M, Dominowska E, Ragno R. Predicting clicks: estimating the clickthrough rate for new ads［C］//Proceedings of the 16th International Conference on World Wide Web. ACM, 2007: 521-530.
［5］ Joachims T. Optimizing search engines using clickthrough data［C］//Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2002: 133-142.
［6］ Chapelle O, Zhang Y. A dynamic bayesian network click model for web search ranking［C］//Proceedings of the 18th International Conference on World Wide Web. ACM, 2009: 1-10.
［7］ Guo F, Liu C, Kannan A, et al. Click chain model in web search［C］//Proceedings of the 18th International Conference on World Wide Web. ACM, 2009: 11-20.
［8］ Graepel T, Candela J Q, Borchert T, et al. Webscale bayesian clickthrough rate prediction for sponsored search advertising in microsoft’s bing search engine［C］//Proceedings of the 27th International Conference on Machine Learning (ICML-10). 2010: 13-20.
［9］ Dupret G E, Piwowarski B. A user browsing model to predict search engine click data from past observations［C］//Proceedings of the 31st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. ACM, 2008: 331-338.
［10］ Zhang Y, Dai H, Xu C, et al. Sequential click prediction for sponsored search with recurrent neural networks［J］. AAAI, 2014:1369-1375.

相似文献/References:

[1]陈巧红,孙超红,余仕敏,等.基于递归神经网络的广告点击率预估研究[J].浙江理工大学学报,2016,35-36(自科6):880.
　CHEN Qiaohong,SUN Chaohong,YU Shimin,et al.Research on Estimation of Ads Click Rate Based on Recurrent Neural Network[J].Journal of Zhejiang Sci-Tech University,2016,35-36(自科6):880.

备注/Memo

备注/Memo:
收稿日期： 2014-11-13
基金项目： 浙江省自然科学基金项目(LQ13F020015)
作者简介： 陈巧红(1978-),女，浙江临海人，副教授，主要从事计算机辅助设计及机器学习技术方面的研究
通信作者： 余仕敏，E-mail：ywy2130635@163.com
更新日期/Last Update: 2015-11-18