基于联合概率矩阵分解的上下文广告推荐算法

被引：46

作者：

涂丹丹

舒承椿

余海燕

机构：

[1] 中国科学院计算技术研究所

来源：

软件学报 | 2013年 / 24卷 / 03期

关键词：

推荐算法; 联合概率矩阵分解; 上下文广告; 准确率; 数据稀疏;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

上下文广告与用户兴趣及网页内容相匹配,可增强用户体验并提高广告点击率.而广告收益与广告点击率直接相关,准确预测广告点击率是提高上下文广告收益的关键.目前,上下文广告推荐面临如下问题:(1)网页数量及用户数量规模很大;(2)历史广告点击数据十分稀疏,导致点击率预测准确率低.针对上述问题,提出一种基于联合概率矩阵分解的因子模型AdRec,它结合用户、广告和网页三者信息进行广告推荐,以解决数据稀疏时点击率预测准确率低的问题.算法复杂度随着观测数据数量的增加呈线性增长,因此可应用于大规模数据.

引用

页码：454 / 464

页数：11