实时广告竞拍平台中的海量数据分析和竞价预测
摘要：实时广告竞拍平台会产生海量的数据，如何对这些数据进行分析和建模会决定广告竞拍的成败．其中一个重要的问题是，如何得到胜出竞价的概率密度函数以便用于指导竞价．在文献（Cui Y, Zhang R, Li W, Mao J. Bid landscape forecasting in online ad exchange marketplace. Proceedings of the 17th A CM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York： ACM, 2011： 265-273）中，雅虎实验室提出了一个技术框架来解决这个问题：首先利用合理的统计学方法对海量数据按照特征属性进行分类；再利用高效的数据结构进行存储，以便快速定位特定属性的信息；最后用梯度提升决策树（gradient boosting decision trees，GBDT）模型和有限混合模型（finite mixture model，FMM）学习得到胜出竞价的分布模型．结合国内竞拍平台的数据特点，在上述文献的基础上，对技术框架进行改进，并提出修正的算法．
注: 保护知识产权,如需阅读全文请联系应用数学与计算数学学报杂志社
相关推荐
更多
