周亲 吴运辰 吴俊坤

摘 要：本文使用某电商公司提供的广告点击日志流，构建基于用户画像的互联网广告点击率预测xDeepFM模型。研究发现：xDeepFM模型对预估准确率提升明显;用户画像系统可以很好的解决深度模型对高维稀疏特征的学习问题，有效提高预估准确率。

关键词：互联网广告;用户画像;xDeepFM模型;点击率预测

中图分类号：TP274 文献标识码：A DOI：10.3969/j.issn.1003-6970.2021.02.052

本文著录格式：周亲，吴运辰，吴俊坤.基于用户画像的互联网广告点击率预测模型研究[J].软件，2021，42（02）：171-174

Research on Prediction Model of Internet Advertising Click through Rate Based on User Portrait

ZHOU Qin， WU Yunchen， WU Junkun

（School of economics， Nanjing University of Posts and telecommunications， Nanjing  Jiangsu  210023）

【Absrtact】：This paper uses the click log stream provided by an e-commerce company to build the xDeepFM model of Internet advertising click rate prediction based on user portrait. The results show that： xDeepFM model can significantly improve the prediction accuracy; user portrait system can solve the problem of learning high-dimensional sparse features from depth model， and effectively improve the prediction accuracy.

【Key words】：internet advertising;user portrait;xDeepFM model;click through rate prediction

0引言

21世纪以来，随着智能手机与互联网技术的逐渐成熟，互联网广告成为日常生活中最常见的广告形式。同时，互联网广告以其精准度高、互动性强以及营销成本相对较低等显著特性，成为互联网公司最为稳定的一种营收模式。

广告点击率是衡量互联网广告投放效果的重要指标。互联网公司想要用户愿意点击弹跳出来的广告，就要投放符合其“胃口”的广告。因此需要使用更精确科学的模型对广告点击率进行预估，准确的估算广告被前端用户点击的可能性，帮助广告供应方在有限的预算下获得更多的点击机会，从而带来更大的收益。在此背景下本文使用某电商公司提供的广告点击日志流，构建基于用户画像的互联网广告点击率预测xDeepFM模型，进行深入研究。

1研究现状

1.1关于用户画像的研究现状

目前普遍接受的用户画像（Persona）的定义是由交互设计之父Alan Cooper提出的，他认为用户画像是真实用户的虚拟代表，是根据一系列用户的真实数据而挖掘出的目标用户模型[1]。……