注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 互联网广告的点击率预测

  2. CTR预估文档，偏重算法分析，包含关键问题的解决思路

  3. 所属分类：专业指导

    • 发布日期：2015-12-22
    • 文件大小：3mb
    • 提供者：u012289698

  1. xgboost使用教程

  2. xgboost使用教程，进行搜索排序，广告ctr预测必备良品

  3. 所属分类：讲义

    • 发布日期：2017-12-13
    • 文件大小：793kb
    • 提供者：liuxiangqian

  1. 计算广告资料汇总

  2. 收集的网上计算广告资料，包含相关资料链接地址，感谢相关作者

  3. 所属分类：讲义

    • 发布日期：2018-04-16
    • 文件大小：112kb
    • 提供者：tsingfeifeng

  1. [中文版]OverlappingExperimentInfrastructure

  2. Google 是一个数据驱动型公司，这意味着所有对用户的改动的发布，都要决策者以相 应的经验数据作为依据。这些数据大部分是由在线流量上的实验产生的。在 web 的语境下， 一个实验是由一股流量(比如，用户的请求)和在这股流量上进行的修改组成的。用户可见 的修改(比如，修改顶部广告的背景色)，以及不可见的修改，比如测试一个新的广告点击 率(CTR)预测算法，都可以通过实验的方式进行的。 要支持数据驱动方法论的挑战在于要跟上创新的速度。我们想支持进行尽可能多的实验， 如果实验平台要限制同时进行的实

  3. 所属分类：其它

    • 发布日期：2018-05-09
    • 文件大小：1mb
    • 提供者：gogo_yao

  1. 携程酒店浏览客户流失概率预测-陈无忌.pdf

  2. 携程酒店浏览客户流失概率预测 广告 vs. 新闻推荐 基于Hadoop EcoSystem的数据分析平台 CTR预估建模过程 用户兴趣建模 用户兴趣建模流程 Spark带来的改善

  3. 所属分类：算法与数据结构

    • 发布日期：2020-03-29
    • 文件大小：1mb
    • 提供者：pengqingxi_08

  1. 使用python进行广告点击率的预测的实现

  2. 当前在线广告服务中，广告的点击率（CTR）是评估广告效果的一个非常重要的指标。 因此，点击率预测系统是必不可少的，并广泛用于赞助搜索和实时出价。那么如何计算广告的点击率呢？ 广告的点击率 = 广告点击量/广告的展现量 如果一个广告被展现了100次，其中被点击了20次，那么点击率就是20%。 今天我们就来动手开发一个移动广告点击率的预测系统，我们数据来自于kaggle，数据包含了10天的Avazu的广告点击数据。 数据 你可以在这里下载移动广告点击数据,由于总数据量达到了4千多万条，数据量过于庞大

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：688kb
    • 提供者：weixin_38692100

  1. CompetitionTianChi_newsRecommendation:天池大赛-新闻推荐场景下的用户行为预测挑战赛，SOLO赛，B榜排名55338-源码

  2. 比赛天池_新闻推荐 天池大赛-新闻推荐场景下的用户行为预测挑战赛，SOLO赛，B榜排名5/5338 解决方案 召回方案 使用热度召回，改进itemCF，分配Swing和item2vec进行多路召回，结合faiss库计算相似文章尝试解决冷启动问题，采用贝叶斯优化选择最优超参数，最终每个用户召回50篇文章。 排序方案 建立用户行为和文章自身特征，根据召回结果按照1：5划分正负样本转化为CTR预测问题，采用lightGBM进行5折交叉验证，根据转化概率得到文章的结果，最终HR 5达到0.27，HR

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：68kb
    • 提供者：weixin_42133753

  1. Predict Click through rate (CTR) for a website预测网站的点击率（CTR）-数据集

  2. 感兴趣的问题是施用率的预测。想象一个用户访问一个网站并执行工作搜索。申请率定义为申请的比例（访问工作描述页面之后），目标是使用下一节中描述的数据集来预测该指标。 file/opensearch/documents/92893/Apply_Rate_2019.csv

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：22mb
    • 提供者：weixin_38519234

  1. ctr:推荐系统，ctr预测-源码

  2. 点击率 推荐系统，recall和rank

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：695kb
    • 提供者：weixin_42103587

  1. RecommenderSystems-源码

  2. 推荐系统库 该存储库提供了我们对推荐系统的研究摘要。 它包括我们基于不同推荐主题的代码，全面的阅读列表和一组bechmark数据集。 代码库 目前，我们对顺序推荐，基于特征的推荐和社交推荐感兴趣。 顺序推荐 由于用户的兴趣自然是动态的，因此对用户的顺序行为进行建模可以了解用户当前兴趣的上下文表示，从而提供更准确的建议。 在此项目中，我们包括一些采用先进序列建模技术的最新顺序推荐器，例如马尔可夫链（MC），递归神经网络（RNN），时间卷积神经网络（TCN）和自专心神经网络（变压器）。 基于功能的推

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：49mb
    • 提供者：weixin_42141437

  1. 基于贝叶斯网络的新广告点击率预测

  2. 大多数经典搜索引擎会根据其点击率（CTR）选择广告并对其进行排名。 为了预测广告的点击率，经常需要考虑历史点击信息。 由于我们没有大量有关这些广告的历史数据，因此准确预测新广告的点击率对于现实应用而言具有挑战性且至关重要。 本文采用贝叶斯网络（Bayesian network，BN）作为表示和推断变量间依存关系和不确定性的有效框架，建立了一种基于BN的模型来预测新广告的点击率。 首先，我们建立了一个由贝叶斯网络组成的关键字网络，这些关键字用于描述特定域中的广告，称为关键字BN，缩写为KBN。 其

  3. 所属分类：其它

  1. Google重叠实验框架：更多，更好，更快地实验

  2. 辛苦优化的模型与策略线上效果到底如何？这就需要一个能够支持线上A/Btest的一高效的线上实验平台。实验流量就是资源，如果有一千个人同时在线上做对照实验，资源如何分配呢？Google重叠实验框架：更多，更好，更快地做好线上对照实验。Google是一个数据驱动型公司，这意味着所有对用户的改动的发布，都要决策者以相应的经验数据作为依据。这些数据大部分是由在线流量上的实验产生的。在web的语境下，一个实验是由一股流量（比如，用户的请求）和在这股流量上进行的相对对比实验的修改组成的。修改包括用户可见的修

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：405kb
    • 提供者：weixin_38553381

  1. ctr 算法竞赛总结

  2. 2018 腾讯广告算法大赛/IJCAI 阿里妈妈搜索广告转化预测竞赛/讯飞广告营销算法/OGeek

  3. 所属分类：深度学习

    • 发布日期：2021-02-16
    • 文件大小：81kb
    • 提供者：bruce__ray

  1. 产品推荐系统：基于深度兴趣网络和CTR预测基本模型的产品推荐系统，使用Amazon Review数据-源码

  2. 产品推荐系统 基于深层兴趣网络和CTR预测基本模型的产品推荐系统使用Amazon Review数据。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：171kb
    • 提供者：weixin_42106357

  1. wide_deep：张量流中CTR预测的广泛和深度学习-源码

  2. 张量流中CTR预测的广泛和深度学习 总览 一个通用的广泛和深度联合学习框架。 较深的部分可以是简单的Dnn，Dnn变体（ResDnn，DenseDnn），MultiDnn，甚至可以与Cnn（Dnn-Cnn）组合。 在这里，我们使用来预测点击标签。 宽泛的模型能够记住与具有大量功能的数据的交互，但是不能将这些学习到的交互归纳为新数据。 深度模型可以很好地概括，但无法学习数据中的异常。 广泛和深入的模型结合了这两种模型，并且能够在学习异常时进行概括。 该代码使用高级tf.estimator.Es

  3. 所属分类：其它

  1. OpenLearning4DeepRecsys：一些基于深度学习的recsys，用于开放式学习-源码

  2. OpenLearning4DeepRecsys 我们已经通过深度学习技术实施了一些流行且很有前途的推荐系统。 我们希望开放源代码，并希望它可以在相关主题上为更多的人提供帮助，同时提高我们的代码质量。 环境：python 3.5，tensorflow 1.0.0 用法：只需下载相应的文件，根据自己的配置修改一些行，然后运行“ python xxxx.py”。 目前，我们旨在为研究领域的交流提供机会。 稍后，我们计划为现成的用途构建一个集成工具。 因此，如果您有任何建议，请告诉我。 深度调频

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：16mb
    • 提供者：weixin_42146888

  1. kaggle-for-fun：我曾经参加过的Kaggle竞赛的所有参赛作品-源码

  2. 有趣的卡格勒 我参加和即将参加的Kaggle比赛的所有参赛作品。 我可能会用Python（利用scikit-learn或类似的库）编写所有内容，但是如果可以的话，偶尔我也可能会使用R或Haskell。 因为我认为这是我的游乐场，所以在此存储库中编写的代码可能非常草率。 如果您有兴趣，请随时做出贡献。 avazu-ctr预测 Avazu的CTR预测比赛- 我的解决方案利用GradientBoostingClassifier和一些预处理/工程流程功能。 就对数损失而言，它的得分为0.40

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：18mb
    • 提供者：weixin_42099116

  1. DeepCTR-Torch：【PyTorch】基于深度学习的CTR模型的易于使用，模块化和可扩展的软件包-源码

  2. DeepCTR火炬 PyTorch版本的 。 DeepCTR是基于深度学习的CTR模型的易于使用，模块化和可扩展的软件包，以及许多可用于轻松构建自己的自定义模型的核心组件层。您可以将任何复杂的模型与model.fit()和model.predict()通过pip install -U deepctr-torch 。 让我们 （） 型号清单 模型 纸 卷积点击预测模型 [CIKM 2015] 分解支持的神经网络 [ECIR 2016]基于 基于产品的神经网络 [ICDM 2016] 宽而深

  3. 所属分类：其它

  1. DeepCTR：易于使用，模块化和可扩展的基于深度学习的CTR模型，用于搜索和推荐-源码

  2. 深度点击率 DeepCTR是基于深度学习的CTR模型的易于使用，模块化和可扩展的软件包，以及许多可用于轻松构建自定义模型的核心组件层。您可以将任何复杂的模型与model.fit() ，和model.predict() 。 提供类似tf.keras.Model界面以进行快速实验。 提供tensorflow estimator接口用于大规模数据和分布式训练。 它与tf 1.x和tf 2.x兼容。 一些相关的项目： DeepMatch： ： DeepCTR-Torch： ： 让我们 （

  3. 所属分类：其它

  1. RecSys：计算广告推荐系统机器学习（机器学习）点击率（CTR）转化率（CVR）预测点击率预测-源码

  2. RecSys：计算广告推荐系统机器学习（机器学习）点击率（CTR）转化率（CVR）预测点击率预测

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：33mb
    • 提供者：weixin_42138525
« 12 »