一种无位置偏见的广告协同推荐算法

在广告推荐系统中,页面与广告的相关性是用户是否点击广告的重要因素,一般利用点击率计算相关性,但是广告展示位置的不同会影响页面-广告相关性计算的准确性,从而导致相关性低的广告被当成相关性高的广告进行错误推荐。针对该问题,提出一种无位置偏见的广告协同推荐算法。利用贝叶斯定理改进位置模型,排除历史数据中的位置影响,计算页面-广告相关性。通过协同过滤技术,为页面找到与其相似的其他邻居页面,实现准确的广告推荐。在腾讯搜搜广告日志数据上进行实验,结果表明,与传统协同过滤算法相比,该算法的推荐准确率、召回率以及F度量值均提高了40%以上,具有较好的广告推荐效果。

国家科技支撑计划基金资助项目(2012BAH74F02); 上海市科委基金资助重大项目(12dz1500205);

广告推荐; 位置偏见; 协同过滤; 点击率; 相关性计算;

TP391.3

18139-446989K
在线咨询 用户反馈