Enchanced online advertising using ensemble learning
Topluluk öğrenimi kullanılarak geliştirilmiş çevrimiçi reklamcılık.
- Tez No: 973939
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDÜL KADİR GÖRÜR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Topluluk öğrenme, Öge seçimi, Ön kestirim modelleri, Ensemble learning, Feature selection, Prediction models
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dijital reklamcılık çağında, kullanıcı etkileşimini doğru bir şekilde tahmin etmek, reklam yerleşimlerini optimize etmek ve geliri maksimize etmek açısından oldukça önemlidir. Bu araştırma, reklam tıklama tahminlerini geliştirmek amacıyla topluluk öğrenme (ensemble learning) algoritmalarını kullanan Geliştirilmiş Bir Reklamcılık Çerçevesi sunmaktadır. Çalışma, veri ön işleme, özellik mühendisliği ve korelasyon analizini içeren yapılandırılmış bir yaklaşımı takip ederek en uygun özellik seçimini sağlamıştır. Verisetleri eğitim ve test olarak ikiye ayrılmış; modeller, çeşitli değerlendirme metrikleri kullanılarak eğitilmiş ve test edilmiştir. Değerlendirme ve test süreci; demografik veriler, cihaz bilgileri ve reklam etkileşim kayıtları gibi çeşitli bilgileri içeren üç veri seti üzerinde gerçekleştirilmiştir. XGBoost, AVAZU veri setinde 0.9333 ve DIGIX veri setinde 0.9743 AUC skoru ile en yüksek başarıyı göstermiştir. Öte yandan, AdaBoost, dengelenmiş Online Advertising Campaign veri setinde %98.52 F1 skoru ve 0.9926 AUC değeri ile en iyi performansı göstermiştir. Sonuçlar, topluluk modellerinin kullanıcı davranışlarındaki karmaşık örüntüleri yakalama konusundaki etkinliğini ortaya koyarak daha doğru reklam hedeflemesine olanak sağladığını göstermektedir.
Özet (Çeviri)
In the era of digital advertising, accurately predicting user engagement is crucial for optimizing ad placements and maximizing revenue. This research introduces an Enhanced Advertising Framework utilizing ensemble learning algorithms to improve ad click predictions. The study followed a structured approach, beginning with data preprocessing, feature engineering, and correlation analysis, ensuring optimal feature selection. The datasets were divided into training and test sets, where models were trained and evaluated using several metrics. The evaluation and testing were conducted using three datasets containing a variety of information, including demographic data, device information, and ad interaction records. XGBoost achieved the highest AUC on AVAZU dataset (0.9333) and DIGIX dataset (0.9743), while AdaBoost excelled on balanced Online Advertising Campaign dataset with an F1-score of 98.52% and AUC of 0.9926. The results highlight the effectiveness of ensemble models in capturing complex patterns in user behavior, leading to more accurate ad targeting.
Benzer Tezler
- Yapay zekâ ile güçlendirilen postmodern tutundurma faaliyetlerinin tüketici algısı üzerindeki rolü
The role of artificial intelligence-enhanced postmodern promotion activities on consumer perception
EBRU ÇİL
- Etkin sorgu önerileri için kullanıcı sorgularının görev tabanlı yönetilmesi
Task based management of user queries for effective query suggestions
NURULLAH ATEŞ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
- Sosyal medyada rasyonel olmayan yatırımcı eğilimlerinin nitel tercih modelleriyle belirlenmesi: Twitter örneği
Specification of irrational investor tendencies at social media by categorical choice modelling: Twitter case
GÖZDE BOZKURT
Yüksek Lisans
Türkçe
2018
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ŞEVKET IŞIL AKGÜL
- Tam zamanında üretim sistemlerinin maliyet analizi
Başlık çevirisi yok
AYŞEGÜL YILMAZ
Yüksek Lisans
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ETHEM TOLGA