文件名称：论文研究-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.pdf
文件大小：2.09MB
文件格式：PDF
更新时间：2022-08-11 16:43:01
CTR预估,特征提取,互联网广告,Hadoop大数据平台,GBDT
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（CTR）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（gradient boost decision tree，GBDT）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。