Μοντέλα και πρόβλεψη συμπεριφοράς χρηστών σε δημοπρασίες επιχορηγούμενης αναζήτησης

Στάμος, Φίλιππος; Stamos, Filippos

dc.contributor.author	Στάμος, Φίλιππος	el
dc.contributor.author	Stamos, Filippos	en
dc.date.accessioned	2018-11-22T12:21:08Z
dc.date.available	2018-11-22T12:21:08Z
dc.date.issued	2018-11-22
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48088
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16297
dc.rights	Default License
dc.subject	Sponsored search auctions	en
dc.subject	Mechanism design	en
dc.subject	Generalized second-price auctions	en
dc.subject	Vickrey-Clarke-Groves auctions	en
dc.subject	Cascade model	en
dc.subject	Separable model	en
dc.subject	Machine learning	en
dc.subject	Hadoop	en
dc.subject	Σχεδιασμός μηχανισμών	el
dc.subject	Δημοπρασίες επιχορηγούμενων διαφημίσεων	el
dc.subject	Μοντέλο αλληλουχίας	el
dc.subject	Διαχωρίσιμο μοντέλο	el
dc.subject	Μηχανική μάθηση	el
dc.title	Μοντέλα και πρόβλεψη συμπεριφοράς χρηστών σε δημοπρασίες επιχορηγούμενης αναζήτησης	el
heal.type	bachelorThesis
heal.classification	Algorithms	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-29
heal.abstract	This thesis focuses on the experimental evaluation of the user’s behaviour in sponsored search auctions. The majority of income of the biggest web companies like Google and Yahoo, is earned through auctions related to the advertisements of products. For example, in 2005, 98% of Google’s revenue derived from GSP (generalized second prize) auctions. In the first part of this thesis, we will study these auctions, their properties and we will compare GSP auctions with VCG (Vickrey-Clarke-Groves) auctions, another widely used type of auction. This thesis focuses on the sponsored search auctions problem happening on the web. Aiming to maximize the company’s revenue and to find the best possible allocation of ads, it becomes really important to be able to predict user’s behavior while browsing with the use of search engines. The two most widely used models, the Cascade Model and the Separable Model are studied and widely analyzed. The analysis of user’s behavior can be predicted through Machine Learning. That is why we continue with knowledge on the basics of Machine Learning. Although in the end Machine Learning methods weren’t used because of limited data, the understanding of metrics in order to evaluate the analyzed models was crucial during the analysis of the bibliographic models. In the last part of this thesis, models are evaluated experimentally. Yandex’s Person- alized Web Search dataset is used, analyzed with the use of Hadoop. As this data is the result of organic searches, we make the hypothesis that users behave the same way when being given organic and sponsored results. Firstly, the two main bibliography models are analyzed and compared extensively and in the end new models are tried. The model that we propose has similar accuracy with the other known models but is able to perform better at predicting when users click, while the rest of the models perform better at predicting when users don’t click.	en
heal.abstract	Η μελέτη της διπλωματικής αυτής εστιάζει στην πειραματική αξιολόγηση μοντέλων πρόβλεψης της συμπεριφοράς του χρήστη, κατά τις δημοπρασίες επιδοτούμενων διαφημίσεων στο διαδίκτυο. Η πλειοψηφία των εσόδων των μεγαλύτερων διαδικτυακών εταιρειών όπως η Google ή η Yahoo προέρχεται από διαφορετικών ειδών δημοπρασίες σχετικές με διαφημίσεις προϊόντων. Ενδεικτικά, το 2005, το 98% των εσόδων της Google προήλθε από δημοπρασίες και πιο ειδικά, από δημοπρασίες GSP (generalized second prize). Στο πρώτο κομμάτι της διπλωματικής θα γίνει μελέτη των δημοπρασιών αυτών, των ιδιοτήτων τους, καθώς και θα γίνει σύγκριση τους με την κατηγορία δημοπρασιών VCG (Vickrey-Clarke-Groves). Η διπλωματική αυτή εστιάζει στις επιχορηγούμενες διαφημίσεις κατά τις αναζητήσεις των χρηστών στο διαδίκτυο. Με στόχο την μεγιστοποίηση των κερδών και την εύρεση της βέλτιστης τοποθέτησης των διαφημίσεων, ιδιαίτερη έμφαση δίνεται στην πρόβλεψη της συμπεριφοράς του χρήστη κατά την πλοήγηση του στις μηχανές αναζήτησης. Μελετώνται τα δύο βασικά μοντέλα της βιβλιογραφίας, το Αλληλουχίας και το Διαχωρίσιμο μοντέλο. Η ανάλυση της συμπεριφοράς του χρήστη μπορεί να πραγματοποιηθεί με χρήση Μηχανικής Μάθησης γι΄ αυτό στην συνέχεια παρουσιάζονται οι βασικές έννοιες που χρειάζονται για την ανάλυση των δεδομένων. Παρ΄ ότι εν τέλει δεν χρησιμοποιήθηκε μηχανική μάθηση λόγω των χαρακτηριστικών των δεδομένων, οι γνώσεις σχετικές με τις διαφορετικές μετρικές για την αξιολόγηση μοντέλων πρόβλεψης της συμπεριφοράς του χρήστη ήταν απαραίτητες και τεχνικές αξιολόγησης των μοντέλων χρησιμοποιήθηκαν εκτεταμένα. Στο τελευταίο κομμάτι της διπλωματικής γίνεται πειραματική αξιολόγηση των μοντέλων αυτών. Χρησιμοποιούνται τα δεδομένα με τίτλο Personalized Web Search που δημοσιεύτηκαν από την Yandex στα πλαίσια ενός διαγωνισμού. Τα δεδομένα αυτά είναι οργανικά και γίνεται η υπόθεση ότι ο χρήστης συμπεριφέρεται με τον ίδιο τρόπο στα οργανικά και στα επιχορηγούμενα αποτελέσματα. Τα χαρακτηριστικά των δεδομένων αυτών αναλύονται εκτεταμένα με χρήση Hadoop και γίνεται αναλυτική σύγκριση των δύο βασικών μοντέλων της βιβλιογραφίας. Στο τέλος, γίνεται μία προσπάθεια εύρεσης και αξιολόγησης νέων μοντέλων. Το μοντέλο στο οποίο καταλήγουμε βρίσκεται πολύ κοντά στα ποσοστά επιτυχίας των μοντέλων της βιβλιογραφίας, με αυτό να πετυχαίνει μεγαλύτερη ακρίβεια στην πρόβλεψη των κλικ του χρήστη.	el
heal.advisorName	Φωτάκης, Δημήτρης	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.committeeMemberName	Γκούμας,Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	80 σ.	el
heal.fullTextAvailability	true