| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 课题研究的主要内容及章节安排 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 章节安排 | 第15-17页 |
| 第2章 广告转化率数据处理与生成 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 广告转化日志数据描述与分析 | 第18-21页 |
| 2.3 数据处理与特征工程 | 第21-28页 |
| 2.3.1 基础特征抽取方法 | 第21-22页 |
| 2.3.2 用户统计特征抽取方法 | 第22-23页 |
| 2.3.3 平滑转化率提取方法 | 第23-27页 |
| 2.3.4 其他提取方法 | 第27-28页 |
| 2.4 构造数据集与特征选择 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于梯度提升树的广告转化率预估方法 | 第31-50页 |
| 3.1 引言 | 第31-32页 |
| 3.2 分类与回归树 | 第32-37页 |
| 3.2.1 决策树生成过程 | 第32-35页 |
| 3.2.2 预剪枝处理方法 | 第35-37页 |
| 3.3 梯度提升树原理 | 第37-40页 |
| 3.3.1 负梯度拟合方法 | 第38-39页 |
| 3.3.2 回归算法流程 | 第39-40页 |
| 3.4 基于梯度提升树和逻辑回归组合模型的广告转化率预估 | 第40-44页 |
| 3.4.1 逻辑回归模型原理 | 第40-43页 |
| 3.4.2 梯度提升树与逻辑回归组合模型原理 | 第43-44页 |
| 3.5 实验结果与分析 | 第44-48页 |
| 3.5.1 实验设置 | 第44-45页 |
| 3.5.2 参数说明与结果分析 | 第45-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 基于双梯度模型融合的广告转化率预估方法 | 第50-67页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于极限梯度提升的广告转化率预估方法 | 第51-55页 |
| 4.2.1 极限梯度提升原理 | 第51-53页 |
| 4.2.2 模型参数分析 | 第53-55页 |
| 4.3 基于轻量梯度提升机的广告转化率预估方法 | 第55-59页 |
| 4.3.1 轻量梯度提升机原理 | 第55-58页 |
| 4.3.2 模型参数分析 | 第58-59页 |
| 4.4 基于双模型融合的广告转化率预估方法 | 第59-62页 |
| 4.4.1 基于堆叠融合模型的广告转化率预估 | 第60-61页 |
| 4.4.2 基于混合融合模型的广告转化率预估 | 第61-62页 |
| 4.5 实验结果与分析 | 第62-65页 |
| 4.5.1 模型参数设置 | 第62-64页 |
| 4.5.2 结果对比与分析 | 第64-65页 |
| 4.6 本章小结 | 第65-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读博士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |