摘要：在线广告作为广告主向用户传达信息的载体，在这个信息过载的时代具有重要的意义．点击率是在线广告中的一个重要的指标，能够帮助广告主进行广告性能优化和广告预算投放．然而，由于其数据稀疏性的特征，使得点击率的评估难以达到很高的准确度．为了准确地评估点击率，本文不仅从机器学习中基于决策树分类器的角度加以改进，而且从广告数据本身的角度出发，充分考虑数据本身的层次关系，增加了对点击与展现随时间的演化建模，提出了一种动态点击率模型算法．在真实互联网广告数据中对所设计的算法进行实现，并与传统机器学习的算法做实验对比，AUC值提升幅度达到17％，验证了本文提出的算法是对数据稀疏问题的有效解决方案．

原文链接:http://www.cqvip.com//QK/95659X/201507/665313828.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）