基于深度学习的在线广告点击率预估系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第11-16页 |
| 1.1 项目背景 | 第11-12页 |
| 1.2 课题来源 | 第12-13页 |
| 1.3 国内外行业现状 | 第13-14页 |
| 1.4 本文主要研究的工作 | 第14页 |
| 1.5 本文的组织结构 | 第14-16页 |
| 第二章 技术综述 | 第16-28页 |
| 2.1 计算广告学 | 第16-19页 |
| 2.1.1 在线广告计费模式 | 第16-18页 |
| 2.1.2 在线广告类型 | 第18-19页 |
| 2.2 机器学习 | 第19-21页 |
| 2.2.1 词向量 | 第19-21页 |
| 2.2.2 语言模型 | 第21页 |
| 2.3 深度学习 | 第21-24页 |
| 2.3.1 Word2Vec | 第22-24页 |
| 2.4 模型效果评估指标 | 第24-27页 |
| 2.4.1 线下评估指标 | 第25-26页 |
| 2.4.2 线上评估指标 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 广告点击率预估系统需求分析 | 第28-34页 |
| 3.1 系统设计背景 | 第28-31页 |
| 3.1.1 大众点评广告系统简介 | 第28-29页 |
| 3.1.2 研究目标广告位 | 第29-31页 |
| 3.2 功能需求分析 | 第31-32页 |
| 3.3 性能需求分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 广告点击率预估系统设计与实现 | 第34-55页 |
| 4.1 线上系统模块设计与实现 | 第34-41页 |
| 4.1.1 线上系统组成 | 第34-35页 |
| 4.1.2 线上系统静态设计 | 第35-38页 |
| 4.1.3 线上系统动态设计 | 第38-41页 |
| 4.2 线下模型训练 | 第41-54页 |
| 4.2.1 Word2Vec词库训练 | 第42-45页 |
| 4.2.2 逻辑回归模型训练 | 第45-52页 |
| 4.2.3 模型评估 | 第52-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 广告点击率预估系统评估与优化 | 第55-61页 |
| 5.1 应用效果评估 | 第55-58页 |
| 5.1.1 试验效果评估 | 第55-57页 |
| 5.1.2 全流量效果评估 | 第57-58页 |
| 5.2 性能分析优化 | 第58-60页 |
| 5.2.1 数据选择 | 第58-59页 |
| 5.2.2 特征选择 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61页 |
| 6.2 进一步工作展望 | 第61-63页 |
| 6.2.1 模型训练的并行接口 | 第62页 |
| 6.2.2 系统应用面较窄 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-68页 |
