Geri Dön

RespRate-LSH: Response rate estimation using LSH

RespRate-LSH: Yerele duyarlı karma (LSH) kullanılarak yanıt oranı tahminlenmesi

PDF İndir

  1. Tez No: 705258
  2. Yazar: MARYAM G.S. ALMASHARAWI
  3. Danışmanlar: DOÇ. DR. AHMET BULUT, DR. ÖĞR. ÜYESİ HATİCE TEKİNER MOĞULKOÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 52

Özet

Arama motoru kullanıcılarına yönelik reklamcılık, çevrimiçi reklamcılığın birincil aracıdır. Bu reklamcılık, arama motorları için en büyük gelir kaynağıdır. Performansa dayalı reklamcılık, hem reklam verenler hem de arama motoru için gereklidir. Arama bazlı reklamcılığındaki kullanıcı yanıt oranı, linke tıklama veya dönüşüm gibi istenen bir kullanıcı işleminin gözlemlenen oranını ifade etmektedir. Yanıt oranını tahmin etmek için, yerele duyarlı hashing (LSH) kullanarak RespRate-LSH adlı komşu tabanlı bir veri ekstrapolasyon yöntemi oluşturduk. Hedef yanıt oranı, LSH aracılığıyla tanımlanan yakın komşuların yanıt oranlarının ağırlıklı ortalaması olarak tahmin edilir. RespRate-LSH'nin hiperparametreleri ayrıntılı olarak incelendi ve deneysel performansı geleneksel makine öğrenme yöntemleri ve derin sinir ağları ile karşılaştırıldı. RespRate-LSH örnek bir performans gösterdi.

Özet (Çeviri)

Search engine advertising is a major type of digital advertising. It is the most valuable income source for search engines. Advertisers and search engines both benefit from performance-based advertising. In search advertising, the user response rate refers to the observable rate of specific user activity like click-through or conversion. We proposed RespRate-LSH, a near-neighbor-based data extrapolating approach that employs locality-sensitive hashing to predict the user response rates. The weighted average of the response rates of nearby neighbors obtained by locality-sensitive hashing is used to calculate the desired response rate. RespRate-LSH's hyper-parameters were thoroughly investigated, and its empirical performance was compared to that of conventional machine learning methods and deep neural networks. RespRate-LSH delivered exemplary results.

Benzer Tezler

  1. Tez No

    360315

    Total larenjektomi uygulanmış olgularda koku duyusunun ve olfaktör bulbus hacminin değerlendirilmesi

    Evaluation of smell sense and olfactory bulb volume in total laryngectomized patients

    MEHMET FATİH SÖNMEZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Kulak Burun ve BoğazDokuz Eylül Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    PROF. DR. TANER KEMAL ERDAĞ

Geri Dön