他，小娟;郭新顺 基于特征优化的广告点击率预测模型研究。 （中文。英文摘要） Zbl 1463.62278号 J.华东标准。国立科学大学。预计起飞时间。 2020年第4期第147-155页（2020年）. 摘要：本文基于现有的点击率预测理论和技术，提出了一种基于GBDT（Gradient Boosting Decision Tree）的网络广告特征提取模型，旨在解决网络广告数据中高维稀疏性的挑战。提出的模型，即（{\mathrm{CNN}}^+），能够从原始数据中提取深层高阶特征，并解决了卷积神经网络在提取稀疏高维特征时面临的问题。在实际数据集上的实验结果表明，由（{mathrm{CNN}}^+）模型提取的特征比其他两种特征提取方法，即主成分分析（PCA）和GBDT更有效。 MSC公司： 62M20型 随机过程推断和预测 62M45型 神经网络及从随机过程推断的相关方法 68T05型 人工智能中的学习和自适应系统 90B60毫米 营销、广告 62C25型 统计决策理论中的复合决策问题 62H25个 因子分析和主成分；对应分析 关键词：广告点击率预测;梯度增强决策树;卷积神经网络;特征学习 PDF格式BibTeX公司 XML格式引用 \textit{X.He}和\textit{X.Guo}，J.华东规范。国立科学大学。2020年版，第4期，147--155（2020年；Zbl 1463.62278） 全文： 内政部