在线广告的随机块模型

在线广告是一个重要且庞大的产业。掌握网站属性知识可极大地助力广告定向、内容展示、库存采购或收入预测等业务策略。由于数据具有海量、稀疏、高维和噪声大等特点，对用户和网站的经典推断面临挑战。本文提出一种基于在线用户访问事件所诱导的网站关系的随机块模型。我们提出了两种聚类算法以发现网站的内在结构，并将性能与拟合优度方法及确定性图划分方法进行了比较。我们在模拟数据和 AOL 网站数据集上验证了所提算法的有效性。