| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 网络广告的简介 | 第9-10页 |
| 1.1.2 网络广告的分类和计费模式 | 第10-12页 |
| 1.2 问题定义与研究意义 | 第12-13页 |
| 1.3 论文结构 | 第13-15页 |
| 第二章 国内外研究现状综述 | 第15-19页 |
| 2.1 引言 | 第15页 |
| 2.2 基于逻辑回归(LR)模型预估点击率的研究现状 | 第15-16页 |
| 2.3 基于因子分解机(FM)模型预估点击率的研究现状 | 第16-18页 |
| 2.4 基于特征相似性预估点击率的研究现状 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 实验数据集及评价指标 | 第19-28页 |
| 3.1 引言 | 第19页 |
| 3.2 数据集的描述 | 第19-21页 |
| 3.3 数据集的处理 | 第21-24页 |
| 3.3.1 训练集和测试集的提取 | 第21-23页 |
| 3.3.2 特征的预处理 | 第23-24页 |
| 3.4 模型性能的评价指标 | 第24-27页 |
| 3.4.1 基本概念 | 第24页 |
| 3.4.2 ROC曲线 | 第24-26页 |
| 3.4.3 AUC得分 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 两种经典模型的点击率预估 | 第28-36页 |
| 4.1 引言 | 第28页 |
| 4.2 逻辑回归(LR)模型的原理 | 第28-30页 |
| 4.3 因子分解机(FM)模型的原理 | 第30-32页 |
| 4.4 实验设计和结果分析 | 第32-35页 |
| 4.4.1 特征的选取和分类 | 第32-33页 |
| 4.4.2 逻辑回归模型的点击率预估结果 | 第33-34页 |
| 4.4.3 因子分解机模型的点击率预估结果 | 第34-35页 |
| 4.4.4 两种模型预估结果的对比 | 第35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 基于USFD方法的点击率预估 | 第36-47页 |
| 5.1 引言 | 第36页 |
| 5.2 USFD方法介绍 | 第36-38页 |
| 5.3 USFD方法的实现 | 第38-42页 |
| 5.3.1 高斯混合模型 | 第38-40页 |
| 5.3.2 用户相似度和子模型 | 第40-41页 |
| 5.3.3 USFD算法流程 | 第41-42页 |
| 5.4 实验结果和分析 | 第42-46页 |
| 5.4.1 单一模型和用户子集特征权重分析 | 第42-45页 |
| 5.4.2 不同聚类数对预估结果的影响 | 第45页 |
| 5.4.3 分析比较不同方法的ROC曲线和AUC得分 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-51页 |
| 6.1 总结 | 第47-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
