基于用户画像的互联网广告点击率预测模型研究.docx

?

?

基于用户画像的互联网广告点击率预测模型研究

?

?

周亲吴运辰吴俊坤

摘要：本文使用某电商公司提供的广告点击日志流，构建基于用户画像的互联网广告点击率预测xDeepFM模型。研究发现：xDeepFM模型对预估准确率提升明显;用户画像系统可以很好的解决深度模型对高维稀疏特征的学习问题，有效提高预估准确率。

关键词：互联网广告;用户画像;xDeepFM模型;点击率预测

：TP274：ADOI：10.3969/j.issn.1003-6970.2021.02.052

本文著录格式：周亲，吴运辰，吴俊坤.基于用户画像的互联网广告点击率预测模型研究[J].软件，2021，42（02）：171-174

ResearchonPredictionModelofInternetAdvertisingClickthroughRateBasedonUserPortrait

ZHOUQin，WUYunchen，WUJunkun

（Schoolofeconomics，NanjingUniversityofPostsandtelecommunications，Nanjing?Jiangsu?210023）

【Absrtact】：Thispaperusestheclicklogstreamprovidedbyane-commercecompanytobuildthexDeepFMmodelofInternetadvertisingclickratepredictionbasedonuserportrait.Theresultsshowthat：xDeepFMmodelcansignificantlyimprovethepredictionaccuracy;userportraitsystemcansolvetheproblemoflearninghigh-dimensionalsparsefeaturesfromdepthmodel，andeffectivelyimprovethepredictionaccuracy.

【Keywords】：internetadvertising;userportrait;xDeepFMmodel;clickthroughrateprediction

0引言

21世纪以来，随着智能手机与互联网技术的逐渐成熟，互联网广告成为日常生活中最常见的广告形式。同时，互联网广告以其精准度高、互动性强以及营销成本相对较低等显著特性，成为互联网公司最为稳定的一种营收模式。

广告点击率是衡量互联网广告投放效果的重要指标。互联网公司想要用户愿意点击弹跳出来的广告，就要投放符合其“胃口”的广告。因此需要使用更精确科学的模型对广告点击率进行预估，准确的估算广告被前端用户点击的可能性，帮助广告供应方在有限的预算下获得更多的点击机会，从而带来更大的收益。在此背景下本文使用某电商公司提供的广告点击日志流，构建基于用户画像的互联网广告点击率预测xDeepFM模型，进行深入研究。

1研究现状

1.1关于用户画像的研究现状

目前普遍接受的用户画像（Persona）的定义是由交互设计之父AlanCooper提出的，他认为用户画像是真实用户的虚拟代表，是根据一系列用户的真实数据而挖掘出的目标用户模型[1]。

用户画像被应用于各个行业。在营销方面，王冬羽[2]将用户画像系统的分为用户静态信息画像和用户动态信息画像，设计了用户画像系统，有效提高了用户流量、增加了新用户数;在图书馆应用方面，都蓝[3]通过精确的构建用户画像，帮助图书馆更加直观地了解到读者阅读倾向，便于馆员开展精准化阅读推广服务。

1.2关于广告点击率的研究现状

点击率（CTR）是指某一内容被点击次数与被展示次数的比，一般用于描述内容被用户点击的概率[4]。目前CTR预估研究方向主要分为两个类别，即模型选择层面和特征提取层面。从模型选择层面来说：吴文伟[5]基于分布式逻辑回归模型进行分析，最終使广告点击率系统的训练速度得以明显提升;Rendl等[6]提出一种能够自动进行特征组合的模型——因子分解机。从特征提取层面来说：华盛顿大学教授Domingos[7]曾说，使用什么特征是很多机器学习项目成败的关键因素。周永[8]基于真实广告点击数据发现，基于GBDT特征优化技术的LR模型能有效提高传统LR模型的预测准确率;宋益多[9]通过LDA模型输出用户査询的主题词向量，最后基于深度神经网络的预测模型进行分析。

2数据说明及预处理

2.1数据说明

本文所述的广告点击率预估方法来源于实验室合作项目，数据