基于特征优化的广告点击率预测模型研究

来源：华东师范大学学报·哲学社会科学版杂志2020年第4期北京时间：

作者：贺小娟, 郭新顺

摘要：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,

基金资助：教育部人文社科青年基金(18YJC630205)