计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
1期
33-36,39
,共5页
广告点击率%机器学习%计算广告学%类别不平衡学习
廣告點擊率%機器學習%計算廣告學%類彆不平衡學習
엄고점격솔%궤기학습%계산엄고학%유별불평형학습
click-through rate(CTR)%machine learning%computational advertising%class imbalance learning
类似Google AdSense这样的定向广告投放系统在过去十年得到了长足的发展和进步,在定向广告投放系统中,机器学习方法在广告点击率预估扮演着重要角色.目前,广告点击率预估模型中的训练数据逐渐呈指数级增长,越来越大的训练数据给模型的扩展性带来了极大的不便.很多有用的特征以及复杂的模型受限制于训练集规模而无法加入到模型之中.借鉴类别不平衡问题中的平衡采样策略,通过多次采样的负样本数据和集成学习,缩短训练时间,改善学习准确率.实验证明在采用了平衡采样之后,点击率预估效果和线上资源消耗都得到了优化.
類似Google AdSense這樣的定嚮廣告投放繫統在過去十年得到瞭長足的髮展和進步,在定嚮廣告投放繫統中,機器學習方法在廣告點擊率預估扮縯著重要角色.目前,廣告點擊率預估模型中的訓練數據逐漸呈指數級增長,越來越大的訓練數據給模型的擴展性帶來瞭極大的不便.很多有用的特徵以及複雜的模型受限製于訓練集規模而無法加入到模型之中.藉鑒類彆不平衡問題中的平衡採樣策略,通過多次採樣的負樣本數據和集成學習,縮短訓練時間,改善學習準確率.實驗證明在採用瞭平衡採樣之後,點擊率預估效果和線上資源消耗都得到瞭優化.
유사Google AdSense저양적정향엄고투방계통재과거십년득도료장족적발전화진보,재정향엄고투방계통중,궤기학습방법재엄고점격솔예고분연착중요각색.목전,엄고점격솔예고모형중적훈련수거축점정지수급증장,월래월대적훈련수거급모형적확전성대래료겁대적불편.흔다유용적특정이급복잡적모형수한제우훈련집규모이무법가입도모형지중.차감유별불평형문제중적평형채양책략,통과다차채양적부양본수거화집성학습,축단훈련시간,개선학습준학솔.실험증명재채용료평형채양지후,점격솔예고효과화선상자원소모도득도료우화.