摘要 | 第1-6页 |
ABSTRACT | 第6-15页 |
第1章 绪论 | 第15-40页 |
·课题的背景及意义 | 第15-20页 |
·需求方平台广告响应预测面临的主要挑战 | 第20-23页 |
·国内外研究现状与分析 | 第23-35页 |
·广告响应预测问题描述与符号定义 | 第23-24页 |
·基于概率统计模型的方法 | 第24页 |
·基于特征建模的方法 | 第24-27页 |
·协同过滤技术与应用 | 第27-30页 |
·张量分解原理与应用 | 第30-35页 |
·本文的主要研究内容 | 第35-40页 |
·本文的主要研究内容及其关系 | 第35-38页 |
·本文的内容安排 | 第38-40页 |
第2章 基于异构信息融合的广告响应预测方法 | 第40-77页 |
·引言 | 第40-43页 |
·基于用户生成标签的特征挖掘 | 第43-50页 |
·受众定向的重要性 | 第43-44页 |
·基于用户生成标签的特征挖掘面临的挑战 | 第44-46页 |
·基于主题模型的用户生成标签质量评价 | 第46-50页 |
·基于特征融合的矩阵分解模型 | 第50-53页 |
·基于异构信息融合的张量分解模型 | 第53-61页 |
·基于张量分解的广告点击率预测问题的形式化描述 | 第53-54页 |
·面向张量分解模型的异构信息融合方案 | 第54-58页 |
·基于异构信息融合的CP分解模型 | 第58-60页 |
·基于异构信息融合的Tucker分解模型 | 第60-61页 |
·实验与分析 | 第61-75页 |
·用户生成标签质量评价实验与分析 | 第61-65页 |
·基于异构信息融合的广告响应预测实验与分析 | 第65-75页 |
·本章小结 | 第75-77页 |
第3章 基于隐语义立方分解模型的广告点击率预测方法 | 第77-94页 |
·引言 | 第77-79页 |
·矩阵奇异值分解与隐语义矩阵分解模型的关系 | 第79-80页 |
·隐语义立方分解模型 | 第80-82页 |
·隐语义立方分解模型的预测时间复杂度分析 | 第82-83页 |
·基于异构信息融合的隐语义立方分解模型 | 第83-84页 |
·实验与分析 | 第84-92页 |
·实验设置和评价指标 | 第86-87页 |
·偏置与正例加强策略对预测性能的影响 | 第87-88页 |
·隐因子向量维度对预测性能的影响 | 第88-89页 |
·时间性能代价 | 第89-90页 |
·模型预测性能对比 | 第90-92页 |
·本章小结 | 第92-94页 |
第4章 基于全交互张量分解模型的广告点击率预测方法 | 第94-111页 |
·引言 | 第94-95页 |
·两对交互张量分解模型 | 第95-98页 |
·两对交互张量分解模型的基本思想 | 第95-96页 |
·两对交互张量分解模型与传统张量分解模型的关系 | 第96-98页 |
·全交互张量分解模型 | 第98-100页 |
·基于异构信息融合的全交互张量分解模型 | 第100-102页 |
·实验与分析 | 第102-109页 |
·实验设置 | 第102-104页 |
·隐因子向量维度对模型性能的影响 | 第104-105页 |
·模型训练收敛时间对比 | 第105-107页 |
·模型预测性能对比 | 第107-109页 |
·本章小结 | 第109-111页 |
第5章 基于三元组排序优化的广告响应预测方法 | 第111-137页 |
·引言 | 第111-115页 |
·基于三分类排序优化的广告响应预测问题描述和符号定义 | 第115-116页 |
·基于三元组排序优化的学习策略 | 第116-119页 |
·基于贝叶斯分析的三元组排序优化标准 | 第116-118页 |
·成对排序优化与三元组排序优化的关系 | 第118页 |
·基于随机梯度下降的三元组排序优化策略 | 第118-119页 |
·基于三元组排序优化学习的模型训练 | 第119-124页 |
·基于排序优化的逻辑回归模型训练 | 第119-121页 |
·基于异构信息融合的矩阵分解模型的训练 | 第121-122页 |
·基于异构信息融合的全交互张量分解模型的训练 | 第122-124页 |
·预测值校准 | 第124页 |
·实验与分析 | 第124-135页 |
·数据集与评价指标 | 第124-126页 |
·基准方法和实验设置 | 第126-129页 |
·广告点击率预测性能评价 | 第129-130页 |
·广告转化率预测性能评价 | 第130-131页 |
·三分类排序性能评价 | 第131-135页 |
·本章小结 | 第135-137页 |
结论 | 第137-139页 |
参考文献 | 第139-156页 |
攻读博士学位期间发表的论文及其他成果 | 第156-159页 |
致谢 | 第159-160页 |
个人简历 | 第160页 |