互联网广告点击率预估模型中特征提取方法的研究与实现.PDFVIP

优先出版 计 算 机 应 用 研 究 第 34 卷 互联网广告点击率预估模型中特征提取方法的研究与实现 * 田嫦丽，张 珣*，潘 博，杨 超，许彦茹 (北京工商大学 计算机与信息工程学院，北京 100048) 摘 要：互联网广告是一个具有上千亿元规模的市场。广告的点击率是互联网广告投放效果的重要指标。在广告点击率 预估模型中，特征提取是关键因素，特征的好坏直接影响到最终模型的效果。针对如何提高广告点击率预估效率问题， 在 Hadoop 大数据平台环境中，提出了基于梯度提升决策树 GBDT（gradient boost decision tree）模型的多维特征提取方 法。该方法利用原始数据构建多维基础特征库，并将基础特征库中除 ID 类特征以外的其余特征输入 GBDT 模型进行特 征刷选，得到高层特征，进一步进行分类。该方法的使用不仅减少了特征提取的人工成本和时间成本，也在很大程度上 提升了模型的精度。 关键词：CTR 预估；特征提取；互联网广告；Hadoop 大数据平台；GBDT 中图分类号：TP391 Research and implementation of feature extraction methods of Internet CTR prediction model Tian Changli, Zhang Xun*, Pan Bo, Yang Chao, Yang Yanru (School of Computer Information Engineering, Beijing Technology Business University, Beijing 100048, China) Abstract: Internet advertising is a hundreds of billions of dollars of market. CTR（Click-Through-Rate）is an important indicator of the effectiveness of Internet advertising. In the CTR prediction model, what features are used to be a key factor to the success or failure of many machine learning projects and the characteristics of the feature will directly affect the final model. In order to make the Internet advertisement CTR prediction model can be more accurate, this paper put forward a GBDT-based multi-dimensional feature extraction method which run on the Hadoop big data platform. This method used raw data to build a