基于协同过滤的广告推荐研究
| 霍晓骏硕士学位论文答辩委员会成员名单 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第12-20页 |
| ·广告推荐系统简介 | 第12-17页 |
| ·广告的展示和推荐 | 第12-15页 |
| ·广告位竞价机制 | 第15页 |
| ·广告的收费方式 | 第15-17页 |
| ·广告推荐系统中存在的问题 | 第17-18页 |
| ·本文的研究内容以及研究目标 | 第18-19页 |
| ·文章结构安排 | 第19-20页 |
| 第二章 相关研究工作 | 第20-32页 |
| ·预测广告点击率的机器学习方法简介 | 第20-22页 |
| ·国内外关于广告位置的研究现状分析 | 第22-24页 |
| ·位置模型Position-model | 第22-23页 |
| ·级联模型Cascade-model | 第23页 |
| ·级联模型和位置模型的弊端 | 第23-24页 |
| ·协同过滤推荐系统简介 | 第24-31页 |
| ·基于邻域的协同过滤算法 | 第25-27页 |
| ·广告推荐系统中的协同过滤 | 第27-28页 |
| ·基于矩阵分解的协同过滤 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 无位置偏见的协同广告推荐算法 | 第32-46页 |
| ·引言 | 第32-33页 |
| ·无位置偏见的页面-广告相关度计算方法 | 第33-34页 |
| ·NPBCF算法流程 | 第34-37页 |
| ·实验环境 | 第37-42页 |
| ·数据集介绍 | 第38页 |
| ·数据预处理、划分 | 第38-39页 |
| ·测评指标 | 第39-40页 |
| ·数据分析 | 第40-42页 |
| ·实验结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 无位置偏见的矩阵分解推荐算法 | 第46-56页 |
| ·引言 | 第46页 |
| ·广告-页面相关度矩阵的分解 | 第46-51页 |
| ·广告、页面特征矩阵的初始化和更新 | 第48-50页 |
| ·广告、页面特征矩阵的收敛 | 第50-51页 |
| ·NPBMF算法流程 | 第51-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结合邻域模型与矩阵分解的推荐算法 | 第56-70页 |
| ·引言 | 第56页 |
| ·NPBMFCF算法 | 第56-59页 |
| ·NPBMFSF算法 | 第59-63页 |
| ·实验结果分析 | 第63-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| ·本文工作总结 | 第70-71页 |
| ·进一步工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录一 作者攻读硕士学位期间发表的学术论文 | 第76-77页 |
| 后记 | 第77页 |
