基于循环神经网络的广告点击率预估研究

《基于循环神经网络的广告点击率预估研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｎｇ－ＺｈｅｊｉａＳｃｉＴｅｃｈＵｎｉｖｅｒｓｉｔｙ硕士专业学位论文Ｐ’ｒｏｆｅｓｓｉｏｎａｌＭａｓｔｅｒｓＴｈｅｓｉｓ中文论文题目：基于循环神经网络的广告点击率预估研究＇英文论文题目Ｃｌｉｃｋ－ＴｈｒｏｕｇｈＲａｔｅｓＰｒｅｄｉｃｔｉｎ：ＲｅｓｅａｒｃｈｏｎＡｄｓｇＢａｓｅｄｏｎＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋｓ专业学位类别：工程专业硕士专业学位领域：计算机技术作者姓名：郭子＿指导教师：陈巧红完成日期：２０１７年１２月２２＿浙江理工大学学位论文独创

2、性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特別加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得浙江理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字曰期：ｗｎ年ｓ月ｓ曰学位论文版权使用授权书本学位论文作者完全了解浙江理工大学有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借

3、阅。本人授权浙江理工大学可以将学位论文的全部或部分内容编入有关数据库逬行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文°。（保密的学位论文在解密后适用本授权书）学位论文作者签名：夕以年签字曰期：Ｊ月？曰、导师签名：ｐｊｆ签字曰期：年ｊ月？曰浙江理工大学硕士学位论文基于循环神经网络的广告点击率预估研究摘要随着互联网广告十余年持续爆炸式的发展，计算广告学也随之应运而生。作为计算广告流量变现的最重要方式之一，广告点击率预估不论从搜索广告到程序化交易，还是移动互联网下的原生广告，都

4、扮演着关键的角色。广告点击率预估主要是基于海量用户历史数据，在复杂的定向规则下，借助大数据技术和机器学习模型，对候选广告进行排序预测，使得在特定的场景下，将合适的广告展示给合适的受众用户。如何解决线性模型学习能力有限、充分挖掘广告特征之间非线性关系的问题，一直是相关领域研究的重点。在充分调研各种广告点击率预估问题常用的机器学习模型的前提下，提出采用一种基于门控循环单元神经网络（theGatedRecurrentUnitNeuralNetworks，GRU）模型应用于广告点击率预估的问题上。进一步，通过优化改进门控循环单元神经网络

5、的步长控制方法，使得模型在更少的迭代轮次下，更好更快地到达最优点，从而提高模型的预估能力。本文的主要工作和取得的成果具体如下：（1）针对浅层和深层模型作特征工程，包括实验数据的分析、预处理、特征选择和特征设计等。采用一种改进的循环神经网络—门控循环单元神经网络，将一般循环神经网络的隐藏层替换成门单元结构，利用门单元特殊的门控机制来控制梯度传播，从而提升广告数据特征的学习能力。（2）在门控循环单元神经网络的基础上，设计了一种优化步长控制方法。先设置一个较大的步长快速寻找全局近似最优点，再利用较小的步长通过指数迭代衰减找到局部最优，

6、在迭代速度和准确性上提升模型的预估效果。最终得到的AUC值比基于循环神经网络模型高出0.053932，比基于未做步长优化的模型高出0.003855。（3）本文比较了逻辑斯特回归、朴素贝叶斯、随机森林、循环神经网络、门控循环单元神经网络及其步长优化版6种模型的效果，实验结果表明，基于门控循环单元神经网络及其步长优化的模型在广告点击率预估上的效果最好。关键字：计算广告；点击率预估；门控循环单元；门控机制；步长控制III浙江理工大学硕士学位论文基于循环神经网络的广告点击率预估研究DesignandImplementationofSha

7、ringTakeawaySystemBasedonWeChatPlatformABSTRACTWiththeexplosivedevelopmentofInternetadvertisingformorethanadecade,ComputationalAdvertisinghasemergedasthetimesrequirement.Asoneofthemostimportantwaytocalculatetheflowofadvertising,fromsearchadvertisingtoprogramtrading,o

8、rmobileInternetnativeadvertising,predictAdvertisingclick-throughrates(CTR)playsakeyroleinComputationalAdvertising.Advertisingclick-