基于特征降维和DBN的广告点击率预测

为有效提升搜索广告的点击率预测效果,提出一种基于特征降维和深度置信网络的模型(KTDDBN)。针对传统方法还停留在探索广告特征间的线性关系的局限性,提出使用深度置信网络寻找广告特征间更加复杂的深层关联;提取广告特征后,采用K-means聚类以及张量分解对高维特征进行降维,利用深度置信网络挖掘高阶的特征组合,提高预测模型的效果。实验结果表明,该模型在一定程度上提升了广告点击率的预测效果。

词句协同自动摘要提取方法

为提高自动文摘的质量,提出一种词句协同的自动摘要提取算法(F-CoRank)。在传统词频的基础上,提高与标题相似的特征词的词频,得出提高后的词频矩阵和句子之间的相似度后,构建无向网络图,根据词句协同算法,得到各个节点的权重,对得到的粗文摘进行冗余处理,根据相应的需求,选择权重较高的前几个句子作为摘要。在哈工大的单文本文档语料上进行实验,实验结果表明,提高词频权重在一定程度上改进了文摘的质量,相比词句协同算法(Co-Rank)在覆盖率上有了较大提高。