| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 相关工作 | 第10-11页 |
| 1.3 研究内容及目标 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 基线算法 | 第13-26页 |
| 2.1 特征工程 | 第13-20页 |
| 2.1.1 广告中的特征 | 第13页 |
| 2.1.2 特征表示 | 第13-15页 |
| 2.1.3 特征选择 | 第15-18页 |
| 2.1.4 特征组合 | 第18-20页 |
| 2.2 逻辑斯特回归模型 | 第20-24页 |
| 2.2.1 线性模型 | 第20-21页 |
| 2.2.2 逻辑斯特回归 | 第21-22页 |
| 2.2.3 梯度上升(下降)法 | 第22-24页 |
| 2.3 基于逻辑斯特回归的点击率预估算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 展示广告点击率预估算法 | 第26-45页 |
| 3.1 展示广告背景 | 第26-27页 |
| 3.2 基线算法在展示广告点击率预估中的应用 | 第27-28页 |
| 3.3 基于GBDT和因式分解机的点击率预估算法 | 第28-31页 |
| 3.3.1 特征工程自动化:GBDT | 第28-30页 |
| 3.3.2 非线性模型:Factorization Machine | 第30-31页 |
| 3.4 实验与分析 | 第31-43页 |
| 3.4.1 实验设计 | 第31-32页 |
| 3.4.2 实验过程 | 第32-41页 |
| 3.4.3 实验结果 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 搜索广告点击率预估算法 | 第45-68页 |
| 4.1 搜索广告背景 | 第45-46页 |
| 4.2 基线算法在搜索广告点击率预估中的应用 | 第46-57页 |
| 4.2.1 文本相似度计算 | 第47-48页 |
| 4.2.2 词频-逆文档频率:TF-IDF | 第48-50页 |
| 4.2.3 词嵌入:Word Embedding | 第50-54页 |
| 4.2.4 基线算法详述 | 第54-57页 |
| 4.3 基于注意力模型的点击率预估算法 | 第57-60页 |
| 4.4 实验与分析 | 第60-67页 |
| 4.4.1 实验设计 | 第60-61页 |
| 4.4.2 实验过程 | 第61-66页 |
| 4.4.3 实验结果 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 结束语 | 第68-70页 |
| 5.1 论文总结 | 第68页 |
| 5.2 下一步工作计划 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |