霍晓骏,贺 樑,杨 燕

(华东师范大学信息科学与技术学院,上海 200241)

1 概述

进入21 世纪,计算机的发展引发了电子商务的兴起。企业家通过展示在搜索引擎页面侧边栏的广告来为自己的商品做宣传,这种方式为广告发布者带来数以亿计的收益[1-2]。Google 和Yahoo 都凭借广告展示系统获得了巨大的利润,这样的利润仅来自于用户对广告的点击。一个好的广告推荐系统,能为商家带来意想不到的收获。

广告推荐系统会在网页的侧边栏展示多个广告,吸引用户点击。一个广告有时会多次展示在同个网页上,有时会展示在不同页面的不同位置,由此可以计算出一个广告在一个页面上的点击率(Clickthrough Rate,CTR)。如何预测CTR 以及利用CTR来正确推荐广告是目前研究的热点。文献[3]按照基于用户协同过滤的思想,根据CTR 的特点,通过找到与待推荐页面相似的页面,为页面进行来自邻居的推荐。这类方法存在的问题是,点击率的高低并不能完全等同于这个广告与展示它的网页的相关性,例如某些广告由于展示位置靠上,从而点击率较高,但是相关性不高。用户是否点击广告,则是由相关性决定的。因此将点击率“代替”相关性直接用于协同推荐系统是值得斟酌的。

文献[3]将点击率等同于相关性,从而使得广告排布不合理,导致用户对广告的点击量下降。为了解决这个问题,文献[4-5]提出位置模型和级联模型,衡量了点击率、位置影响、相关性三者之间的关系,但是却各有所短。比如在位置模型中,位置影响通过实验,如眼球追踪的实验和用户习惯问卷得到,需要耗费大量的人力物力,不适用于商业系统,因此难以推广。……