| 中文摘要 | 第6-7页 |
| 英文摘要 | 第7-8页 |
| 第一章 引言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 在线广告发展现状 | 第11页 |
| 1.1.2 在线广告的特点 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 点击率预估 | 第13-14页 |
| 1.2.2 实时竞价机制 | 第14-15页 |
| 1.3 关键问题与技术路线 | 第15-17页 |
| 1.4 主要工作与特色之处 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-19页 |
| 第二章 相关概念介绍 | 第19-27页 |
| 2.1 在线广告和实时竞价(REAL TIME BIDDING) | 第19-21页 |
| 2.2 梯度提升树(GRADIENT BOOSTING TREE) | 第21-22页 |
| 2.3 数据分层(DATA HIERARCHY) | 第22-23页 |
| 2.4 分类模型 | 第23-26页 |
| 2.4.1 决策树分类 | 第23-25页 |
| 2.4.2 Logistic回归 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 在线广告中点击率预估 | 第27-37页 |
| 3.1 问题概述 | 第27-28页 |
| 3.1.1 问题定义 | 第27页 |
| 3.1.2 评测指标 | 第27-28页 |
| 3.2 基于梯度提升树的算法 | 第28-33页 |
| 3.3 基于数据分层的动态点击率预估算法 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于动态点击率预估的竞价机制 | 第37-43页 |
| 4.1 竞价成功概率模型 | 第37-38页 |
| 4.2 算法设计与分析 | 第38-41页 |
| 4.3 不同竞价机制的对比分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验结果分析与比较 | 第43-53页 |
| 5.1 实验实现框架 | 第43-44页 |
| 5.2 实验数据与环境 | 第44-45页 |
| 5.3 实验结果的比较与分析 | 第45-52页 |
| 5.3.1 动态点击率预估 | 第45-47页 |
| 5.3.2 分段竞价 | 第47-50页 |
| 5.3.3 参数分析 | 第50-52页 |
| 5.4 实验总结 | 第52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 未来研究工作展望 | 第54-55页 |
| 附录1 攻读学位期间发表的学术论文目录 | 第55-56页 |
| 附录2 部分实验数据以及实验代码 | 第56-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |