Программа редукции пространства категориальных факторов в сфере контекстной рекламы

В данной работе объектом разработки является программа редукции пространства категориальных факторов, которая используется для предварительной обработки данных при прогнозировании вероятности клика (CTR) по рекламному объявлению. Редукция пространства категориальных факторов будет осуществляться с помощью алгоритма бинарной иерархической кластеризации значений категориальных факторов (HCCF). Алгоритм HCCF разработан на языке Python и распространяется в виде утилиты командной строки. Также возможно использование библиотеки hccf поставляемой в виде python-пакета, доступного из общего репозитория пакетов Python (PyPI). Алгоритм HCCF показал свою эффективность в экспериментах на искусственных и реальных данных. Данный метод позволяет увеличить точность прогноза CTR при использовании с такими алгоритмами машинного обучения, как логистическая регрессия и Follow The Regularized Leader (FTRL). Наибольшая точность достигается при использовании алгоритма HCCF вместе с алгоритмом FTRL. Разработанное программное средство будет использоваться для прогноза вероятности клика по рекламному объявлению в отделе качества рекламы ООО “Яндекс”. По результатам работы было принято решение о внедрении программного продукта в инфраструктуру заказчика – ООО “Яндекс”, что подтверждается заместителем руководителя отдела качества рекламы Ворожцовым А. В. в отзыве на выпускную квалификационную работу Казаринова А. Ю. от 25.05.2015.