基于集成学习算法的搜索广告转化率预测应用研究

发布时间：2023-08-25 23:06

　　在如今信息丰富的互联网环境中,最稀缺的资源就是用户(消费者)的注意力,即流量。搜索广告是广告平台给广告主(商家)提供一种购买用户注意力的机制,让广告主的广告能够触达消费者。搜索广告的转化率(CVR)是广告商品被用户点击后产生购买行为的概率。准确预估转化率,一方面,能够使得广告主匹配到最可能购买自家商品的用户,进而提升广告主的投入产出比(ROI);另一方面,也能让用户快速找到购买意愿最强的商品,从而提升用户在电商平台中的购物体验。如何更好地利用海量交易数据来高效准确地预测用户的购买意向,对有效提升广告主的投入产出比和用户购物体验具有重要的指导意义。基于此方向,本文就国内外文献研究基础上,通过2018年淘宝平台的海量真实交易数据,利用数据挖掘技术基于集成学习算法构建搜索广告转化率预测模型来预估用户的购买意向,本文主要包括特征工程和模型建立两个部分。特征工程部分,主要包括以下两个方面。一方面,数据探索性分析和数据预处理。对数据集进行分布和对比的可视化展现,进行样本数据集结构和规律的探索性分析,为后续选择合适的数据预处理方式以及对搜索广告转化率预测模型的深入业务挖掘提供支持。在数据预处理中,针...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究内容、方法和技术路线
        1.2.1 研究内容
        1.2.2 研究方法
        1.2.3 技术路线
    1.3 本文的主要贡献
第2章 文献综述和相关理论
    2.1 文献综述
        2.1.1 计算广告研究现状
        2.1.2 集成学习研究现状
    2.2 相关理论
        2.2.1 随机森林算法
        2.2.2 XGBoost算法框架
        2.2.3 LightGBM算法框架
        2.2.4 Stacking算法框架
第3章 数据来源和特征工程
    3.1 数据来源和说明
    3.2 数据可视化及探索性分析
    3.3 数据预处理
        3.3.1 缺失值的分析和处理
        3.3.2 离散化处理
        3.3.3 标准化处理
        3.3.4 离散数据处理
    3.4 特征提取
第4章 基于集成学习算法的搜索广告转化率预测模型
    4.1 模型的评价指标
    4.2 搜索广告转化率预测模型的建立
        4.2.1 基于随机森林的搜索广告转化率预测模型的建立
        4.2.2 基于XGBoost的搜索广告转化率预测模型的建立
        4.2.3 基于LightGBM的搜索广告转化率预测模型的建立
        4.2.4 基于Stacking的搜索广告转化率预测模型的建立
    4.3 搜索广告转化率预测模型的对比研究
    4.4 搜索广告转化率预测模型的深入挖掘
第5章 总结与后续研究建议
    5.1 全文总结
    5.2 后续研究建议
参考文献
附录
致谢



本文编号：3843477