贊助搜索廣告中基于層次貝葉斯的關鍵字生成與選擇

　　近十多年以來，贊助搜索廣告已經(jīng)發(fā)展為通用搜索引擎的主流商業(yè)模式，在電商平臺也占據(jù)重要地位。目前，在贊助搜索廣告的研究方面對于關鍵字的生成、擴展和選擇的研究相對較少且存在不足。其原因大致如下：首先，現(xiàn)有的關鍵字的生成、擴展方法獲得的關鍵字大多數(shù)是流行關鍵字，性價比不高；其次，現(xiàn)有的方法生成的關鍵字數(shù)量較少，難以滿足預算充裕的廣告主的需求；最后，現(xiàn)有關鍵字的選擇方法只針對單一廣告平臺，而目前實際工作中廣告主往往會同時選擇多個平臺來投放廣告。本書提出贊助搜索廣告中的基于層次貝葉斯的關鍵字生成、擴展和選擇策略。本書研究的主要工作特點如下。第一，現(xiàn)有的關鍵字生成與選擇方法所生成的關鍵字數(shù)量多但相關性較低，或者其生成的關鍵字相關性較高但數(shù)量少且概念覆蓋范圍狹隘。本書提出一種基于層次貝葉斯的關鍵字生成與選擇方法，只需廣告主提供少數(shù)幾個種子關鍵字即可，本書提出的關鍵字生成方法是以維基百科網(wǎng)頁作為源文本語料庫，通過處理維基百科豐富的頁面結構和文本內(nèi)容，構建關鍵字生成模型，并運用層次貝葉斯進行模型參數(shù)估計，最終生成關鍵字。該方法得到的關鍵字能在廣告主的產(chǎn)品（或服務）及其經(jīng)營業(yè)務的利基市場（nichemarket，指被有市場絕對優(yōu)勢的企業(yè)所忽略的細分市場產(chǎn)品）的覆蓋率與相關性之間取得平衡。通過與一些基準方法的實驗數(shù)據(jù)進行比較與分析，從相關性、專業(yè)性和性價比 3個方面進行評估，證明本書提出的基于層次貝葉斯的關鍵字生成與選擇方法在覆蓋性、相關性和專業(yè)性等指標上更具優(yōu)勢：所得到的關鍵字數(shù)量更多且概念覆蓋范圍更廣，同時大多數(shù)關鍵字是符合廣告主要求的長尾關鍵字。第二，在關鍵字生成的基礎上，本書利用維基百科網(wǎng)頁之間的網(wǎng)絡層次結構的鏈接關系，提出了一種新的關鍵字擴展策略，將其稱為 WIKG，通過發(fā)掘維基百科的 categories鏈接結構，并以此為基礎，以迭代的方式構造條目頁面的網(wǎng)絡圖來實現(xiàn)關鍵字的靈活擴展。本書提出的基于層次貝葉斯的關鍵字生成方法以維基百科作為源文本語料庫，分析了維基百科頁面結構，將頁面分為 5個主要部分，并且將每一部分的重要性都納入了參數(shù)進行考慮，在每一部分的重要性未知的情況下運用層次貝葉斯進行參數(shù)估計，上述內(nèi)容均屬于過往研究中未曾涉足的領域。本書提出的關鍵字擴展方法，是基于多網(wǎng)頁鏈接層次的網(wǎng)絡結構，通過使用改進的擴展激活算法（modified spreadingactivation algorithm，MSA）以迭代的方式構造鏈接圖來確定鏈接圖的邊界，從而選擇相關性更高的頁面。迭代終止條件由一個閾值確定，改變閾值可以在所生成的關鍵字集合的覆蓋范圍與種子關鍵字相關性之間進行調節(jié)。把設定的閾值作為終止條件，可以實現(xiàn)所生成的關鍵字集合的覆蓋范圍與種子關鍵字的相關性之間的平衡。實驗結果表明，就覆蓋率和相關性而言，WIKG均優(yōu)于基準方法。第三，本書提出的基于非參數(shù)層次貝葉斯關鍵字 CTR（nonparametrichierarchical Bayesian keyword-CTR，NHBKC）模型針對廣告主面對多廣告平臺的實際情況，深入分析了跨平臺用戶的多維畫像特征，通過提取相關標簽，并結合細分群體用戶的廣告點擊行為的數(shù)據(jù)，精確地估算出了每個關鍵字在目標用戶群體中的 CTR綜合值。然后在 NHBKC模型估計結果的基礎上提出一種由多個部分組成的關鍵字選擇模型，每個組成部分表現(xiàn)關鍵字選擇結果的不同方面，模型引入調和參數(shù)并通過調整參數(shù)實現(xiàn)品牌推廣和利潤的平衡，從而滿足不同廣告主及同一廣告主在不同時段對廣告目標的不同要求。本書的關鍵字選擇方法為廣告主的調整預留了空間，廣告主可以方便地根據(jù)消費者群體特征的變化來增加、刪減或改變用戶特征標簽，每種特征標簽的內(nèi)部劃分也能隨時進行調整，通過調整參數(shù)實現(xiàn)品牌推廣和利潤的平衡，方便廣告主隨時根據(jù)市場變化調整關鍵字選擇和廣告推廣方案。本書提出的方案能滿足同一廣告主或不同廣告主在不同時段對廣告目標的不同要求，且該關鍵字選擇方法為廣告主的調整預留了空間。

暫缺《贊助搜索廣告中基于層次貝葉斯的關鍵字生成與選擇》作者簡介