Geri Dön

Predicting user clicks on online advertisements using machine learning

Makine öğrenmesini kullanarak çevrimiçi reklamlara kullanıcı tıklamalarını tahmin etmek

  1. Tez No: 844937
  2. Yazar: ASHRAF FARHAN HATEM AL-KHAFAJİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ KARAN
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Bu tez, kullanıcı tercihlerini daha iyi anlamak ve reklam stratejilerini hassaslaştırmak için çevrimiçi reklamcılıkta kullanıcı davranışının tespitini araştırmaktadır. Çevrimiçi reklamlar geniş kitlelere ulaşmada etkili olduğundan, kampanyanın etkinliğini artırmak için hedefe yönelik yaklaşımlar hayati öneme sahiptir. Araştırma, tarama geçmişi, reklam tıklamaları ve demografi gibi kullanıcı davranışlarını detaylandıran bir veri kümesi üzerinde veri analizi, ön işleme ve makine öğrenimi (ML) tekniklerini kullanıyor. Özelliğin önemini vurgulamak için LIME ve SHAP gibi XAI araçlarının yanı sıra rastgele orman, GB ve LR dahil olmak üzere makine öğrenimi yöntemleri kullanılır. Çalışma, reklam hedeflemeyi geliştirmek için kullanıcı davranış kalıplarını ayırt etmeyi amaçlamaktadır. Modeller, parametre ayarlama kullanılarak daha da optimize edilir ve bireysel tahminleri bir araya getirerek algılama doğruluğunu artırmak için yumuşak ve sert oylama gibi topluluk stratejileri kullanılır. Modelin etkinliğini değerlendirmek için doğruluktan özgüllüğe kadar değişen performans ölçümleri kullanılır. Sonuçlar, topluluk yöntemlerinin, özellikle yumuşak oylamanın, doğruluk açısından diğer tekniklerden daha iyi performans gösterdiğini göstermektedir.

Özet (Çeviri)

This thesis explores the detection of user behavior within online advertising to better understand user preferences and refine ad strategies. As online ads are instrumental in reaching broad audiences, targeted approaches are vital for enhancing campaign effectiveness. The research employs data analysis, preprocessing, and machine learning (ML) techniques on a dataset detailing user behaviors like browsing history, ad clicks, and demographics. ML methods, including random forest, GB, and LR, are utilized alongside XAI tools like LIME and SHAP to highlight feature importance. The study aims to discern user behavior patterns to improve ad targeting. Models are further optimized using parameter tuning, and ensemble strategies, such as soft and hard voting, are used to aggregate individual predictions, boosting detection accuracy. Performance metrics, ranging from accuracy to specificity, are used to assess model efficacy. Results show that ensemble methods, particularly soft voting, outperform other techniques in accuracy.

Benzer Tezler

  1. Conversion rate prediction in search engine marketing

    Arama motoru pazarlama dönüşüm oranı tahmini

    RAZIEH NABI ABDOLYOUSEFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. AHMET BULUT

  2. Purchase prediction and item prediction with RNN using different user-item interactions

    Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi

    FULYA ÇELEBİ SARIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  3. Çapraz e-ticaret pazarlarında hibrit öneri sistemi

    Hybrid recommendation system at cross e-commerce markets

    EMRE KÖSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

  4. Investigation and analysis of statistical attention mechanisms in click-through-rate prediction: The impact of layer normalization and interaction component integration

    Tıklama oranı tahmininde istatistiksel dikkat mekanizmalarının incelenmesi ve analizi: Katman normalleştirmenin ve etkileşim bileşeni entegrasyonunun etkisi

    EGE BERK BÜYÜKBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PINAR KARAGÖZ

    PROF. DR. CEM İYİGÜN

  5. Tıklama başına ücret modeline sahip bir e-ticaret sitesinin kullanıcı etkileşimlerinin incelenmesi

    Analyzing user interactions of an e-commerce website with a pay-per-click model

    BERKE AKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İşletmeİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SEDA TOLUN