云环境下DM广告精准投放模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 DM广告研究 | 第10-11页 |
| 1.2.2 精准投放技术研究 | 第11-12页 |
| 1.2.3 云计算框架研究 | 第12-13页 |
| 1.2.4 研究现状分析 | 第13-14页 |
| 1.3 研究内容及技术路线 | 第14-16页 |
| 2 云环境下精准投放流程分析 | 第16-27页 |
| 2.1 基本概念和方法简介 | 第16-22页 |
| 2.1.1 云环境及其特点 | 第16-18页 |
| 2.1.2 精准投放概述 | 第18-19页 |
| 2.1.3 精准投放算法 | 第19-21页 |
| 2.1.4 评测指标 | 第21-22页 |
| 2.2 精准投放流程 | 第22-25页 |
| 2.2.1 流程分析 | 第22-24页 |
| 2.2.2 精准投放流程 | 第24-25页 |
| 2.3 问题描述 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于二分K均值的数据聚类算法 | 第27-34页 |
| 3.1 K-means聚类算法 | 第27-28页 |
| 3.2 二分K均值聚类 | 第28-32页 |
| 3.2.1 二分K均值聚类算法 | 第28-30页 |
| 3.2.2 算例分析 | 第30-32页 |
| 3.3 数据处理流程 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 改进的协同过滤算法 | 第34-40页 |
| 4.1 基本思路 | 第34页 |
| 4.2 基于L-BFGS的协同过滤算法 | 第34-38页 |
| 4.2.1 基于L-BFGS改进的FM模型 | 第34-37页 |
| 4.2.2 协同过滤算法流程 | 第37-38页 |
| 4.3 精准投放模型 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 数值实验与结果分析 | 第40-54页 |
| 5.1 模型实现 | 第40-46页 |
| 5.1.1 系统环境 | 第40-41页 |
| 5.1.2 集群配置 | 第41-44页 |
| 5.1.3 模型实现 | 第44-46页 |
| 5.1.4 运行情况 | 第46页 |
| 5.2 实验设计 | 第46-48页 |
| 5.2.1 实验数据集来源及特征 | 第46-48页 |
| 5.2.2 实验参数设置 | 第48页 |
| 5.3 实验结果分析 | 第48-53页 |
| 5.3.1 改进的协同过滤算法有效性分析 | 第48-51页 |
| 5.3.2 二分K均值的有效性分析 | 第51-52页 |
| 5.3.3 精准投放模型有效性对比分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 附录A 精准投放模型相关程序代码 | 第61-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
