论文部分内容阅读
在广告推荐系统中，页面与广告的相关性是用户是否点击广告的重要因素，一般利用点击率计算相关性，但是广告展示位置的不同会影响页面-广告相关性计算的准确性，从而导致相关性低的广告被当成相关性高的广告进行错误推荐。针对该问题，提出一种无位置偏见的广告协同推荐算法。利用贝叶斯定理改进位置模型，排除历史数据中的位置影响，计算页面-广告相关性。通过协同过滤技术，为页面找到与其相似的其他邻居页面，实现准确的广告推荐。在腾讯搜搜广告日志数据上进行实验，结果表明，与传统协同过滤算法相比，该算法的推荐准确率、召回率以及F度量值