| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-14页 |
| 1.2 网络广告简介 | 第14-16页 |
| 1.3 行为定向广告的特点与难点 | 第16-17页 |
| 1.4 论文结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 行为定向广告相关理论与关键技术 | 第18-32页 |
| 2.1 广告投放精准化技术 | 第18-21页 |
| 2.1.1 内容定向广告 | 第18-20页 |
| 2.1.2 行为定向广告 | 第20-21页 |
| 2.2 行为定向广告投放注意事项 | 第21页 |
| 2.3 网页预处理 | 第21-24页 |
| 2.3.1 中文分词 | 第22页 |
| 2.3.2 停用词过滤 | 第22-24页 |
| 2.4 网页特征选择 | 第24-26页 |
| 2.5 文档聚类 | 第26-29页 |
| 2.5.1 文本相似度计算 | 第26-27页 |
| 2.5.2 文档聚类常用方法 | 第27-29页 |
| 2.6 文档统计模型简介 | 第29-31页 |
| 2.6.1 向量空间模型 | 第29页 |
| 2.6.2 LSI 模型 | 第29-30页 |
| 2.6.3 PLSA 模型 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 时变用户特征分析算法 | 第32-44页 |
| 3.1 追踪窗口 | 第32-33页 |
| 3.2 时变用户行为特征分析算法 | 第33-38页 |
| 3.2.1 Dynamic k-means 聚类算法 | 第33-36页 |
| 3.2.2 用户行为特征分析 | 第36-38页 |
| 3.3 实验结果分析 | 第38-43页 |
| 3.3.1 改进的 k-means 聚类算法 | 第38-40页 |
| 3.3.2 时变用户行为算法结果与分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于 LDA 的行为定向广告投放算法 | 第44-56页 |
| 4.1 LDA 模型 | 第44-47页 |
| 4.2 LDA_MATRIX 模型 | 第47-48页 |
| 4.3 基于向量空间模型的广告匹配 | 第48-49页 |
| 4.4 LDA_MATRIX 模型平台搭建 | 第49-52页 |
| 4.5 基于 LDA 的行为定向广告投放算法实验结果分析 | 第52-55页 |
| 4.5.1 实验环境 | 第52页 |
| 4.5.2 实验结果与分析 | 第52-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 5.1 结论 | 第56-57页 |
| 5.2 进一步工作方向 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第62-63页 |