基于分类模型的广告推荐方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-12页 |
| ·研究背景和意义 | 第10-11页 |
| ·本文主要工作 | 第11页 |
| ·本文组织结构 | 第11-12页 |
| 2 推荐系统综述 | 第12-23页 |
| ·问题定义 | 第13-14页 |
| ·协同过滤推荐 | 第14-17页 |
| ·相似度计算 | 第15-16页 |
| ·冷启动问题 | 第16-17页 |
| ·数据稀疏性 | 第17页 |
| ·基于内容的推荐 | 第17-20页 |
| ·特征提取 | 第18页 |
| ·效用函数与模型 | 第18-19页 |
| ·制约因素 | 第19-20页 |
| ·混合型推荐 | 第20-21页 |
| ·两种独立方法的结合 | 第20页 |
| ·协同过滤中加入内容特性 | 第20页 |
| ·基于内容方法中加入协同过滤 | 第20-21页 |
| ·建立单个统一的推荐模型 | 第21页 |
| ·本章总结 | 第21-23页 |
| 3 在线广告推荐 | 第23-33页 |
| ·计算广告 | 第24-25页 |
| ·点击率(CTR)预估 | 第25-28页 |
| ·点击率预估的意义 | 第25-26页 |
| ·点击率预估框架 | 第26-28页 |
| ·基于分类器的广告推荐 | 第28-32页 |
| ·情景感知(Context-Aware) | 第28-29页 |
| ·传统分类模型 | 第29-30页 |
| ·多标记分类模型 | 第30-32页 |
| ·本章总结 | 第32-33页 |
| 4 基于分类器的方法改进 | 第33-48页 |
| ·单标记分类模型改进——NBkPlus算法 | 第33-39页 |
| ·朴素贝叶斯 | 第33-35页 |
| ·特征间的依赖关系 | 第35-38页 |
| ·一种基于互信息的改进 | 第38-39页 |
| ·多标记分类模型改进—OCC算法 | 第39-47页 |
| ·分类器链算法 | 第40-42页 |
| ·广告间的依赖关系 | 第42-44页 |
| ·一种启发式的改进 | 第44-47页 |
| ·本章总结 | 第47-48页 |
| 5 实验及结果分析 | 第48-59页 |
| ·实验平台 | 第48-49页 |
| ·实验数据 | 第49-52页 |
| ·数据特征 | 第50页 |
| ·数据可视化工具 | 第50-52页 |
| ·评价指标 | 第52-53页 |
| ·NBkPlus算法结果及分析 | 第53-55页 |
| ·特征间的互信息 | 第53-55页 |
| ·AUC结果及分析 | 第55页 |
| ·OCC算法结果及分析 | 第55-58页 |
| ·广告数据集实验 | 第55-56页 |
| ·多标记标准测试集实验 | 第56-58页 |
| ·本章总结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66页 |
