一种基于逻辑回归模型的搜索广告点击率预估方法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景 | 第9-11页 |
| ·业界研究现状 | 第11页 |
| ·本文研究内容 | 第11-12页 |
| ·论文章节安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 相关理论与技术 | 第14-21页 |
| ·搜索广告系统简介 | 第14-16页 |
| ·MapReduce | 第16-17页 |
| ·Hadoop | 第17页 |
| ·逻辑回归模型 | 第17-19页 |
| ·ROC曲线与AUC | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 线下训练 | 第21-36页 |
| ·数据清洗 | 第21-22页 |
| ·点击和展示数目规范化 | 第21页 |
| ·排序去低展示量的广告 | 第21-22页 |
| ·训练流程 | 第22-32页 |
| ·提取特征 | 第23-24页 |
| ·合并每天的增量 | 第24-25页 |
| ·抽取单个特征 | 第25页 |
| ·排序降维 | 第25-26页 |
| ·生成模型求解部分的输入 | 第26页 |
| ·模型求解 | 第26-32页 |
| ·模型验证 | 第32-35页 |
| ·单机版计算方法 | 第32-33页 |
| ·Hadoop版计算方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 线上计算 | 第36-39页 |
| ·预处理 | 第36-37页 |
| ·扩展匹配 | 第36-37页 |
| ·粗选及通配符替换 | 第37页 |
| ·计算CTR | 第37-38页 |
| ·效果评估 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第5章 特征选择 | 第39-47页 |
| ·一元特征 | 第39-45页 |
| ·行业领域分类特征 | 第39-44页 |
| ·特定语素特征 | 第44-45页 |
| ·二元特征 | 第45-46页 |
| ·分流量来源特征 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第6章 数据选择 | 第47-52页 |
| ·时间衰减因子 | 第47-51页 |
| ·衰减方案 | 第47-50页 |
| ·衰减流程 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第7章 实验结果和分析 | 第52-56页 |
| ·模型求解 | 第52-54页 |
| ·特征选择 | 第54-55页 |
| ·数据选择 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第8章 总结和展望 | 第56-58页 |
| ·文章总结 | 第56页 |
| ·展望 | 第56-57页 |
| ·新广告的问题 | 第56-57页 |
| ·行业领域特征的问题 | 第57页 |
| ·本章小结 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间主要的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
