| 基于特征工程的广告点击转化率预测模型 |
| |
| 引用本文： | 邓秀勤,谢伟欢,刘富春,张翼飞,樊娟.基于特征工程的广告点击转化率预测模型[J].数据采集与处理,2020,35(5):842-849. |
| |
| 作者姓名： | 邓秀勤 谢伟欢 刘富春 张翼飞 樊娟 |
| |
| 作者单位： | 广东工业大学应用数学学院,广州,510520;北京明略软件系统有限公司,广州,510300;广东工业大学计算机学院,广州,510006 |
| |
| 基金项目： | 国家自然科学基金（61673122）资助项目；广东省自然科学基金（2019A1515010548）资助项目。 |
| |
| 摘 要： | 在大数据环境下，随着全球网络广告传播行业的快速发展，网络广告的计算也越来越受到人们的高度关注。计算广告旨在将广告投放到特定的受众人群，以广告环境和用户特征为基础进行数据分析计算，从候选广告库中选择出最佳匹配的广告。其核心问题是通过网络广告点击转化率预测的计算，将用户点击可能性最高的广告选择出来。广告点击转化率的精确预测与媒体、广告主和用户3方的利益密切相关。该研究基于TrackMaster平台提供的真实广告数据，以特征工程的视角，分别从用户信息特征、广告信息特征、上下文特征和统计特征4个角度进行特征分析，从而挖掘出对广告点击转化率影响较大的重要特征，构建广告点击转化率预测分层模型并训练，并且结合LightGBM算法模型得出广告点击转化率的重要特征排序。实验结果表明当特征选择阈值，特征选择数目为19，树的颗数为100时的受试者工作特征曲线下的面积（Area under receiver operating characteristic curve， AUC）值最大，模型的对数损失函数值约为0.136 8，此时模型具有最优的效果。预测模型和特征排序结果有助于企业制定最优的广告投放策略。
|
| 关 键 词： | 数据分析 点击转化率 计算广告 特征工程 特征分析 |
| 收稿时间： | 2020/2/16 0:00:00 |
| 修稿时间： | 2020/4/27 0:00:00 |
A Prediction Model for Advertising Click Conversion Rate Based on Feature Engineering |
| |
| DENG Xiuqin,XIE Weihuan,LIU Fuchun,ZHANG Yifei,FAN Juan.A Prediction Model for Advertising Click Conversion Rate Based on Feature Engineering[J].Journal of Data Acquisition & Processing,2020,35(5):842-849. |
| |
| Authors: | DENG Xiuqin XIE Weihuan LIU Fuchun ZHANG Yifei FAN Juan |
| |
| Affiliation: | 1.School of Applied Mathematics, Guangdong University of Technology, Guangzhou, 510520, China;2.Mininglamp Technology, Guangzhou, 510300, China;3.School of Computers, Guangdong University of Technology, Guangzhou, 510006, China |
| |
| Abstract: | |
| |
| Keywords: | data analysis click conversion rate computational advertising feature engineering feature analysis |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
