| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 本文研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 问题的难点和本文的研究思路 | 第11-12页 |
| 1.4 本文内容安排 | 第12-14页 |
| 第2章 实验数据集介绍和预处理 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 搜索广告中的冷启动问题定义 | 第14-17页 |
| 2.3 数据集介绍 | 第17-19页 |
| 2.4 数据预处理 | 第19-22页 |
| 2.5 评价指标 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 面向搜索广告冷启动的特征提取研究 | 第25-40页 |
| 3.1 引言 | 第25页 |
| 3.2 基本特征的提取与分析 | 第25-30页 |
| 3.2.1 连续特征 | 第25-29页 |
| 3.2.2 非连续特征 | 第29-30页 |
| 3.3 基于GBDT模型的特征提取与分析 | 第30-34页 |
| 3.3.1 GBDT模型 | 第31-32页 |
| 3.3.2 自动进行特征组合的GBDT新特征 | 第32-34页 |
| 3.4 基于TOKEN的点击图特征的提取与分析 | 第34-38页 |
| 3.4.1 基于token的点击图模型 | 第35-37页 |
| 3.4.2 解决广告冷启动问题的点击图特征 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于在线更新算法的广告点击率预测研究 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 基于在线更新算法的FTRL模型 | 第40-43页 |
| 4.3 基于ADABOOST的模型融合 | 第43-47页 |
| 4.3.1 Adaboost模型 | 第43-46页 |
| 4.3.2 基于Adaboost的在线模型融合方法 | 第46-47页 |
| 4.4 实验设计与结果分析 | 第47-52页 |
| 4.4.1 实验设计 | 第47-48页 |
| 4.4.2 实验结果分析 | 第48-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60-62页 |
| 致谢 | 第62页 |