导读
在电子商务网站中,产品推荐被认为是商业智能的核心任务而备受关注。其中,定向技术使个性化的广告推荐成为可能,根据上下文信息和用户的反馈信息,在线广告系统将广告投放给最有可能给予反馈的用户。
转化率是评价广告或推荐的最有效的评价指标。“转化”这个词指的是将浏览用户变为真正消费者的行为,转化率则是执行特定行为的用户所占的比例,特定行为包括购买、注册或搜索等。产品实际转化周期与应用的目标转化周期之间的不匹配,这一问题一直是影响现有推荐算法的顽固问题。
为解决一个具有挑战性的问题“如何在给定时间段内为用户进行产品推荐以最大化转化率”,本文提出了一个基于排名的时间敏感的转化率预测模型(rTCP)。该模型同时考虑了推荐相关性和转化时间。
文章采用了生存分析中的生存时间模型,通过结合用户偏好等背景信息,对转化时间进行建模,并将时间预测个性化。文章提出了一种新颖的混合生存时间模型,进一步拟合转化间隔的复杂性。本文在真实数据集上开展的实验,说明了文章所提出的rTCP模型的优势,并证明了它在广告和产品推荐的时间敏感转换率预测中的有效性。
文章精要
如需阅读本期推荐文章的全文,请点左下角的「阅读原文」链接。
Frontiers of Computer Science
Frontiers of Computer Science 是由教育部主管、高等教育出版社和德国 Springer 公司共同出版的英文学术期刊。本刊于 2007 年创刊,双月刊,全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为李未院士,执行主编为熊璋教授和周志华教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库(CSCD)核心库等收录,为 CCF 推荐期刊;两次入选“中国科技期刊国际影响力提升计划”。
长按二维码关注Frontiers of Computer Science公众号