集成FM的短视频喜好率预测模型

摘要：

短视频喜好率预测往往面临着用户及广告的数量巨大且训练数据集高维、稀疏等问题,从而导致预测准确度下降.针对这些问题提出了基于LDA-GBDT-FM的短视频喜好率预测模型,该模型利用隐狄利克雷分配模型(LDA)对原始数据集基于主题分割,利用梯度提升决策树(GBDT)对不同主题的子训练集提取连续型特征的高影响力特征,将其与离散特征合并来训练因子分解机(FM)模型,最后有效组合子模型,进而预测短视频的喜好率.实验基于Bytedance公司的数据集,实验结果表明,提出的LDA-GBDT-FM模型相较于LDA-FM、FM和LR在预测指标上分别提高了3.0％、5.7％和8.5％.

关键词：短视频广告、喜好率预测、主题模型、梯度提升决策树、因子分解机

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：广东省重大科技研发计划No.2016B030306003.No.2017B090901005

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：118-122