贊助搜索廣告中基于層次貝葉斯的關(guān)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(guān)鍵字的生成、擴(kuò)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(guān)鍵字的生成、擴(kuò)展方法獲得的關(guān)鍵字大多數(shù)是流行關(guān)鍵字，性價(jià)比不高；其次，現(xiàn)有的方法生成的關(guān)鍵字?jǐn)?shù)量較少，難以滿足預(yù)算充裕的廣告主的需求；最后，現(xiàn)有關(guān)鍵字的選擇方法只針對單一廣告平臺，而目前實(shí)際工作中廣告主往往會同時(shí)選擇多個(gè)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(guān)鍵字生成、擴(kuò)展和選擇策略。本書研究的主要工作特點(diǎn)如下。第一，現(xiàn)有的關(guān)鍵字生成與選擇方法所生成的關(guān)鍵字?jǐn)?shù)量多但相關(guān)性較低，或者其生成的關(guān)鍵字相關(guān)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(guān)鍵字生成與選擇方法，只需廣告主提供少數(shù)幾個(gè)種子關(guān)鍵字即可，本書提出的關(guān)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(jié)構(gòu)和文本內(nèi)容，構(gòu)建關(guān)鍵字生成模型，并運(yùn)用層次貝葉斯進(jìn)行模型參數(shù)估計(jì)，最終生成關(guān)鍵字。該方法得到的關(guān)鍵字能在廣告主的產(chǎn)品（或服務(wù)）及其經(jīng)營業(yè)務(wù)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(xì)分市場產(chǎn)品）的覆蓋率與相關(guān)性之間取得平衡。通過與一些基準(zhǔn)方法的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行比較與分析，從相關(guān)性、專業(yè)性和性價(jià)比 3個(gè)方面進(jìn)行評估，證明本書提出的基于層次貝葉斯的關(guān)鍵字生成與選擇方法在覆蓋性、相關(guān)性和專業(yè)性等指標(biāo)上更具優(yōu)勢：所得到的關(guān)鍵字?jǐn)?shù)量更多且概念覆蓋范圍更廣，同時(shí)大多數(shù)關(guān)鍵字是符合廣告主要求的長尾關(guān)鍵字。第二，在關(guān)鍵字生成的基礎(chǔ)上，本書利用維基百科網(wǎng)頁之間的網(wǎng)絡(luò)層次結(jié)構(gòu)的鏈接關(guān)系，提出了一種新的關(guān)鍵字?jǐn)U展策略，將其稱為 WIKG，通過發(fā)掘維基百科的 categories鏈接結(jié)構(gòu)，并以此為基礎(chǔ)，以迭代的方式構(gòu)造條目頁面的網(wǎng)絡(luò)圖來實(shí)現(xiàn)關(guān)鍵字的靈活擴(kuò)展。本書提出的基于層次貝葉斯的關(guān)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(jié)構(gòu)，將頁面分為 5個(gè)主要部分，并且將每一部分的重要性都納入了參數(shù)進(jìn)行考慮，在每一部分的重要性未知的情況下運(yùn)用層次貝葉斯進(jìn)行參數(shù)估計(jì)，上述內(nèi)容均屬于過往研究中未曾涉足的領(lǐng)域。本書提出的關(guān)鍵字?jǐn)U展方法，是基于多網(wǎng)頁鏈接層次的網(wǎng)絡(luò)結(jié)構(gòu)，通過使用改進(jìn)的擴(kuò)展激活算法（modified spreadingactivation algorithm，MSA）以迭代的方式構(gòu)造鏈接圖來確定鏈接圖的邊界，從而選擇相關(guān)性更高的頁面。迭代終止條件由一個(gè)閾值確定，改變閾值可以在所生成的關(guān)鍵字集合的覆蓋范圍與種子關(guān)鍵字相關(guān)性之間進(jìn)行調(diào)節(jié)。把設(shè)定的閾值作為終止條件，可以實(shí)現(xiàn)所生成的關(guān)鍵字集合的覆蓋范圍與種子關(guān)鍵字的相關(guān)性之間的平衡。實(shí)驗(yàn)結(jié)果表明，就覆蓋率和相關(guān)性而言，WIKG均優(yōu)于基準(zhǔn)方法。第三，本書提出的基于非參數(shù)層次貝葉斯關(guān)鍵字 CTR（nonparametrichierarchical Bayesian keyword-CTR，NHBKC）模型針對廣告主面對多廣告平臺的實(shí)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(guān)標(biāo)簽，并結(jié)合細(xì)分群體用戶的廣告點(diǎn)擊行為的數(shù)據(jù)，精確地估算出了每個(gè)關(guān)鍵字在目標(biāo)用戶群體中的 CTR綜合值。然后在 NHBKC模型估計(jì)結(jié)果的基礎(chǔ)上提出一種由多個(gè)部分組成的關(guān)鍵字選擇模型，每個(gè)組成部分表現(xiàn)關(guān)鍵字選擇結(jié)果的不同方面，模型引入調(diào)和參數(shù)并通過調(diào)整參數(shù)實(shí)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(shí)段對廣告目標(biāo)的不同要求。本書的關(guān)鍵字選擇方法為廣告主的調(diào)整預(yù)留了空間，廣告主可以方便地根據(jù)消費(fèi)者群體特征的變化來增加、刪減或改變用戶特征標(biāo)簽，每種特征標(biāo)簽的內(nèi)部劃分也能隨時(shí)進(jìn)行調(diào)整，通過調(diào)整參數(shù)實(shí)現(xiàn)品牌推廣和利潤的平衡，方便廣告主隨時(shí)根據(jù)市場變化調(diào)整關(guān)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(shí)段對廣告目標(biāo)的不同要求，且該關(guān)鍵字選擇方法為廣告主的調(diào)整預(yù)留了空間。

暫缺《贊助搜索廣告中基于層次貝葉斯的關(guān)鍵字生成與選擇》作者簡介