开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-03-03
详细说明：大多数经典搜索引擎会根据其点击率（CTR）选择广告并对其进行排名。 为了预测广告的点击率，经常需要考虑历史点击信息。 由于我们没有大量有关这些广告的历史数据，因此准确预测新广告的点击率对于现实应用而言具有挑战性且至关重要。 本文采用贝叶斯网络（Bayesian network，BN）作为表示和推断变量间依存关系和不确定性的有效框架，建立了一种基于BN的模型来预测新广告的点击率。 首先，我们建立了一个由贝叶斯网络组成的关键字网络，这些关键字用于描述特定域中的广告，称为关键字BN，缩写为KBN。 其次，我们提出了一种KBN近似推论的算法，以找到与描述新广告的关键词相似的关键词。 最后，根据相似的关键字，我们获得相似的广告，然后通过使用与新广告相似的广告的点击率来计算新广告的点击率。 实验结果表明了该方法的有效性和准确性。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
