基于可扩展分解机器的搜索广告点击率预估
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-17页 |
| ·课题背景 | 第12-14页 |
| ·点击模型研究现状 | 第14-15页 |
| ·本文主要研究内容 | 第15-16页 |
| ·论文的内容组织 | 第16-17页 |
| 第2章 搜索广告点击模型 | 第17-28页 |
| ·基本假设 | 第17-19页 |
| ·检查假设 | 第18-19页 |
| ·顺序假设 | 第19页 |
| ·基于贝叶斯网的方法 | 第19-22页 |
| ·基本概率图模型 | 第19-20页 |
| ·扩展模型 | 第20-22页 |
| ·基于统计模型的方法 | 第22-24页 |
| ·基于最大熵原理的统计模型 | 第22-23页 |
| ·树类统计模型 | 第23-24页 |
| ·评价指标 | 第24-26页 |
| ·Log-likelihood | 第24页 |
| ·Click Perplexity | 第24-25页 |
| ·AUC | 第25页 |
| ·NDCG | 第25-26页 |
| ·点击模型的应用 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 CTR预估中的特征 | 第28-39页 |
| ·CTR预估问题定义 | 第29-31页 |
| ·CTR特征设计原则 | 第31页 |
| ·单特征 | 第31-33页 |
| ·id类特征 | 第31-32页 |
| ·属性类特征 | 第32-33页 |
| ·组合特征 | 第33-36页 |
| ·时间序列类特征 | 第33-34页 |
| ·环境类特征 | 第34-36页 |
| ·统计类特征 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于可扩展分解机器的点击模型 | 第39-58页 |
| ·张量分解 | 第39-43页 |
| ·分解机器 | 第43-45页 |
| ·一般形式和应用 | 第43-44页 |
| ·分解机器的性能分析 | 第44-45页 |
| ·分解机器的局限性 | 第45页 |
| ·可扩展分解机器SFM | 第45-55页 |
| ·层次张量模型 | 第46-49页 |
| ·路经编码正则项 | 第49-51页 |
| ·在线工作集优化算法 | 第51-55页 |
| ·性能分析 | 第55页 |
| ·作为点击模型的SFM | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 实验与分析 | 第58-76页 |
| ·实验设计 | 第58-63页 |
| ·数据集 | 第58-61页 |
| ·参数设置 | 第61-63页 |
| ·模型有效性 | 第63-68页 |
| ·在线与批量优化 | 第63-65页 |
| ·正则项 | 第65-68页 |
| ·特征有效性 | 第68-71页 |
| ·特征体系 | 第68-69页 |
| ·组合特征 | 第69-71页 |
| ·点击率预估 | 第71-75页 |
| ·分解模型对比 | 第71-72页 |
| ·排序能力 | 第72-73页 |
| ·Click Perplexity | 第73-74页 |
| ·存储与时间性能 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 总结和展望 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·未来工作 | 第77-78页 |
| 参考文献 | 第78-88页 |
| 作者简历及在学期间所取得的科研成果 | 第88页 |
