首页 > 代码库 > 【CSWS2014 Summer School】互联网广告中的匹配和排序算法-蒋龙(下)

【CSWS2014 Summer School】互联网广告中的匹配和排序算法-蒋龙(下)

【CSWS2014 Summer School】互联网广告中的匹配和排序算法-蒋龙(上)

Fig19,用到了矩阵,这个我没有听太明白,蒋博士也没有详细说明。不过可以明确的一点就是,我们常说的K-means、聚类等技术都是有实际应用价值的,而且我们日常就在使用。

Fig20,这个定向广告,就更加接近推荐系统了,根据用户的特征,来投放特定的广告,这样回报率会高一点。

Fig21,这里定向方式,也就是一些特征,可以利用用户的人口属性、地理位置、上网的行为等等。这个重定向,其实大家每天都在接受着重定向广告,你在百度或者淘宝搜过某些物品或者关键词之后,在其他网站的一个小窗口就会一直有相关的链接(仔细观察可以看到百度或淘宝的标识)

Fig22,这里的人口属性,不一定符合现实,比如一个男生经常给女朋友买东西,那么通过自动识别的方法,这个男生就会被定位为“女性”。

Fig23,这里是通过二分图来识别人物属性的,不同用户访问不同类型网页的次数是不同的。

Fig24用户兴趣表示

Fig25,从Example可以看出一些典型的行为。

Fig26,行为定向模型,其中“向量”和“预测”应该是机器学习中我们经常听到的词了,在这里就用到了。

Fig27,具体的模型,我不懂 - -!不过从公式可以看出,并不是很复杂。

Fig28,看不懂。。

Fig29,个性化推荐,还是“推荐系统”

Fig30,看不懂。。

Fig31,【这个投票模型,貌似和刘亚在图像处理中用的方法类似,不知道下面那个公式有没有参考价值】

Fig32,对机器学习的方法要好好学习一下【★机器学习】

Fig33,点击率预测特征

Fig34,这个主要讨论的就是在众多广告位中,不同的位置对点击的影响很大。。。(CTR:点击率)

Fig35,另一种方案。

Fig36,广告之间的相互影响。