| Περίληψη: | Τα τελευταία χρόνια, όπως και σχεδόν κάθε τομέας της κοινωνίας, έτσι και η διαφήμιση, έχει αναμορφωθεί από το διαδίκτυο. Με τα περισσότερα διαφημιστικά κέρδη να προέρχονται πλέον από αυτό, η αυξανόμενη ενασχόληση και έρευνα έχουν οδηγήσει - εκτός των κλασικών διαδυκτιακών διαφημίσεων - στην δημιουργία συστημάτων όπως αυτό των Δημοπρασιών Πραγματικού Χρόνου, ή ΔΠΧ (Real Time Bidding, RTB). Πρόκειται για έναν αυτοματοποιημένο μηχανισμό, ο οποίος χρησιμοποιεί αλγορίθμους ανεπτυγμένους από τους διαφημιστές και τους εκδότες με σκοπό την απόκτηση του κατάλληλου χώρου και
χρόνου για την προβολή του μηνύματός τους και την προώθηση των προϊόντων-υπηρεσιών τους. Το σύστημα αυτό είναι αρκετά πολύπλοκο. Μια πολύ σημαντική συνιστώσα του η οποία έχει κεντρίσει το ενδιαφέρον των ερευνητών τελευταία, είναι τα μοντέλα πρόβλεψης του ρυθμού με τον οποίον οι χρήστες κάνουν κλικ σε μια διαφήμιση που τους προβάλλεται (Click-Through Rate, CTR). Η παρούσα εργασία, αφού δώσει λεπτομέρειες για τον μηχανισμό των ΔΠΧ, επικεντρώνεται στην μελέτη και στην ανάπτυξη τέτοιων μοντέλων, καθώς και στην αξιολόγησή τους πάνω σε πραγματικά δεδομένα. Μοντέλα Λογιστικής Παλινδρόμησης, Μηχανών Παραγοντοποίησης, Ενίσχυσης Κλίσης Καθόδου και Βαθιάς Μηχανής Παραγοντοποίησης αναπτύσσονται, ρυθμίζονται και αξιολογούνται με διαφορετικές προσεγγίσεις, παράγοντας χρήσιμα και ενδιαφέροντα συμπεράσματα. ΄Ένα από τα βασικότερα εξ αυτών, είναι το γεγονός ότι ο ῾῾πλούτος᾿᾿ της πληροφορίας που παρέχει το κάθε σύνολο δεδομένων, επηρεάζει ιδιαίτερα την ποιότητα της προεπεξεργασίας του, η οποία με την σειρά της διαδραματίζει σημαντικό ρόλο όσον αφορά την ακρίβεια των μοντέλων. Η Μηχανή Παραγοντοποίησης παρουσιάζει γενικά τα καλύτερα αποτελέσματα,
με τα υπόλοιπα μοντέλα όμως να έχουν τα δικά τους πλεονεκτήματα. Η εκπαίδευση των μοντέλων πάνω στο σύνολο των δεδομένων φαίνεται να οδηγεί συχνά σε καλύτερα αποτελέσματα, όμως η δημιουργία ομάδων των δεδομένων ανάλογα με το προφίλ του χρήστη δείχνει να μπορεί να τα βελτιώσει έστω και λίγο για συγκεκριμένες ομάδες. Προσεγγίσεις που εξισορροπούν τα σύνολα δεδομένων ως προς την μεταβλητή-στόχο φαίνεται να οδηγούν γενικά σε χειρότερα αποτελέσματα. Σε κάθε περίπτωση, περεταίρω έρευνα πάνω σε
όλες τις προσεγγίσεις, κρίνεται αναγκαία.
|
|---|
