基于联合概率矩阵分解的上下文广告推荐算法
文献类型：期刊论文
| 作者 | 涂丹丹; 舒承椿; 余海燕 |
| 刊名 | 软件学报
 |
| 出版日期 | 2013 |
| 卷号 | 24.0期号:003页码:454 |
| 关键词 | 推荐算法 联合概率矩阵分解 上下文广 准确率 数据稀疏 |
| ISSN号 | 1000-9825 |
| 英文摘要 | 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，上下丈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． |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/33827]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 涂丹丹,舒承椿,余海燕. 基于联合概率矩阵分解的上下文广告推荐算法[J]. 软件学报,2013,24.0(003):454. |
| APA | 涂丹丹,舒承椿,&余海燕.(2013).基于联合概率矩阵分解的上下文广告推荐算法.软件学报,24.0(003),454. |
| MLA | 涂丹丹,et al."基于联合概率矩阵分解的上下文广告推荐算法".软件学报 24.0.003(2013):454. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。