基于多模态深度融合模型的广告点击率预估

摘要 互联网广告效果的研究是网络营销的研究重点，无论是品牌广告或效果广告，合适的互联网广告设计效果将直接影响网络营销商的利益与用户的体验.现阶段，广告运营商的投放策略、广告创意优化、定向人群、媒体选择都以点击率为重要条件,精准的点击率预估可以精细化权衡和保障用户、广告、平台三方利益.为了更加准确的预估点击率本文定向研究用户行为方式，选择马尔科夫链模型处理用户行为信息，利用频繁序列挖掘用户行为特点消除用户间无差异性假设，基于在线学习方法融合特征构建深度神经网络，获得特征的高阶非线性表达，建立多模态深度融合(Multimodal Depth Integration MDI)模型用于点击率预估.实验结果表明，提出的多模态深度融合模型的表示能力和鲁棒性都优于各基线模型，取得不错的预测效果