PyTorch广告点击率预测（CTR）利用深度学习提升广告效果

广告点击率预测（CTR，Click-Through Rate Prediction）是在线广告领域中的重要任务，它帮助广告平台根据用户的兴趣预测广告的点击概率，从而提高广告投放的效果和广告商的收益。随着深度学习的快速发展，传统的广告点击率预测方法已逐渐被基于神经网络的模型所取代，深度学习在此领域的应用带来了显著的提升。

本文将通过实现一个简单的深度学习广告点击率预测模型，介绍如何利用PyTorch构建一个广告点击率预测系统。

广告点击率预测问题

广告点击率预测问题可以描述为：给定一组广告和用户的特征，预测用户点击该广告的概率。这类任务通常是一个二分类问题——用户点击广告与否，标签为1或0。

在广告点击率预测中，输入特征通常包括用户的历史行为、广告的特征（如广告类型、广告主题、展示位置等）以及用户的环境特征（如时间、设备等）。模型的任务是从这些特征中学习到有效的信息，并做出准确的预测。

数据集结构

为了实现广告点击率预测，我们假设数据集的结构如下：

用户ID	广告ID	时间戳	用户年龄	用户性别	广告类型	展示位置	点击标签
1	1001	1609459200	25	0	视频	首页	1
2	1002	1609459260	30	1	图片	侧边栏	0
3	1003	1609459320	22	0	视频	首页	1
…	…	…	…	…	…	…	…

用户ID：表示用户的唯一标识符。
广告ID：表示广告的唯一标识符。
时间戳：表示广告展示的时间。
用户年龄：表示用户的年龄。
用户性别：表示用户的性别，0为女性，1为男性。
广告类型：表示广告的类型（如视频广告、图片广告等）。
展示位置：表示广告展示的页面位置（如首页、侧边栏等）。
点击标签：表示用户是否点击广告，1表示点击，0表示未点击。

在实际应用中，数据集会非常庞大，并且包含多种类型的特征。为了让模型能够处理这些特征，我们通常需要将分类特征（如性别、广告类型等）进行数值化或独热编码。

广告点击率预测模型的构建

1. 数据集准备

首先，我们需要一个包含广告和用户特征的数据集。这里我们假设数据集中包含多个特征列，最后一列为标签（点击与否）。我们将使用 pandas 来加载数据，利用 train_test_split 将数据分为训练集和测试集。

python">import pandas as pd
from sklearn.model_selection import train_test_split# 加载数据
def load_data(file_path):df = pd.read_csv(file_path)features = df.iloc[:, :-1].values  # 所有特征labels = df.iloc[:, -1].values     # 最后一列标签return features, labels

2. 构建数据加载器

我们使用PyTorch的 Dataset 类来构建自定义数据集，并利用 DataLoader 来批量加载数据。这样可以更高效地进行模型训练。

python">from torch.utils.data import Dataset, DataLoaderclass CTRDataset(Dataset):def __init__(self, features, labels):self.features = torch.tensor(features, dtype=torch.float32)self.labels = torch.tensor(labels, dtype=torch.float32)def __len__(self):return len(self.features)def __getitem__(self, idx):return self.features[idx], self.labels[idx]

3. 构建深度学习模型

在本例中，我们使用一个简单的多层感知机（MLP）模型。该模型由三个全连接层组成，通过ReLU激活函数进行非线性变换，最终输出一个介于0和1之间的概率值。

python">import torch.nn as nnclass CTRModel(nn.Module):def __init__(self, input_dim):super(CTRModel, self).__init__()self.fc1 = nn.Linear(input_dim, 128)  # 第一层self.fc2 = nn.Linear(128, 64)         # 第二层self.fc3 = nn.Linear(64, 1)           # 输出层self.sigmoid = nn.Sigmoid()           # 输出概率def forward(self, x):x = torch.relu(self.fc1(x))  # 激活函数 ReLUx = torch.relu(self.fc2(x))  # 激活函数 ReLUx = self.fc3(x)              # 输出层return self.sigmoid(x)       # 预测点击率概率

4. 训练与评估

我们使用二元交叉熵损失函数（BCELoss）和Adam优化器来训练模型。在每个epoch结束后，我们评估模型在测试集上的准确度。

python">import torch.optim as optim# 定义训练过程
def train(csv_file, num_epochs=10, lr=0.001):features, labels = load_data(csv_file)x_train, x_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)# 创建数据加载器train_dataset = CTRDataset(x_train, y_train)test_dataset = CTRDataset(x_test, y_test)train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)test_loader = DataLoader(test_dataset, batch_size=32, shuffle=False)# 初始化模型、损失函数和优化器input_dim = features.shape[1]model = CTRModel(input_dim)criterion = nn.BCELoss()  # 二元交叉熵损失函数optimizer = optim.Adam(model.parameters(), lr)# 训练过程model.train()for epoch in range(num_epochs):running_loss = 0.0for inputs, labels in train_loader:optimizer.zero_grad()outputs = model(inputs).squeeze(1)loss = criterion(outputs, labels)loss.backward()optimizer.step()running_loss += loss.item()print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {running_loss/len(train_loader):.4f}')# 训练完成后，评估模型evaluate(model, test_loader)# 评估过程
def evaluate(model, val_loader):model.eval()  # 设置为评估模式correct = 0total = 0with torch.no_grad():for inputs, labels in val_loader:outputs = model(inputs).squeeze(1)predicted = (outputs >= 0.5).float()  # 将输出转化为0或1total += labels.size(0)correct += (predicted == labels).sum().item()accuracy = correct / totalprint(f'Accuracy: {accuracy:.4f}')