Resumen

La predicción precisa de la tasa de clics (CTR) no solo puede mejorar la reputación y los ingresos de la empresa de publicidad, sino que también puede ayudar a los anunciantes a optimizar el rendimiento publicitario. Hay dos problemas principales no resueltos en la predicción de CTR: baja precisión de predicción debido a la distribución desequilibrada de los datos publicitarios y la falta de implementación de la subasta de publicidad en tiempo real. En este artículo, desarrollaremos un enfoque novedoso de predicción de CTR en línea incorporando la publicidad de subasta en tiempo real (RTB) mediante las siguientes estrategias: se construye un sistema de perfiles de usuarios a partir de los datos históricos de publicidad RTB para describir las características del usuario, las características históricas de CTR, las características de ID y otras características numéricas. Se presenta un enfoque novedoso de predicción de CTR para abordar la distribución desequilibrada de muestras de aprendizaje mediante la integración del Weighted-ELM (WEL

• Materias:Calibración geométrica Núcleos computacionales Consultas de palabras clave Pronóstico probabilístico Máquina de aprendizaje
• Subjects:Geometric calibration Computational kernels Keyword queries Probabilistic forecasting Machine learning
• Palabras claves:Preciso; Tasa de clics; Predicción; Publicidad; Subasta en tiempo real; CTR
• Keywords:Accurate; Click-through rate; Prediction; Advertising; Real-time bidding; CTR