声明
摘要
第1章 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
第2章 相关技术介绍
2.1 搜索广告系统简介
2.2 分布式框架Hadoop
2.3 贝叶斯网络
2.4 模型评价方法
2.5 本章小结
第3章 基于用户特征的点击率预测方法研究
3.1 特征提取
3.1.1 用户特征提取
3.1.2 相似性特征提取
3.1.3 历史统计特征提取
3.1.4 相对位置特征提取
3.2 基于模拟退火算法的特征选择
3.2.1 特征选择方法分析
3.2.2 基于模拟退火算法的特征选择
3.3 基于融合技术的点击率预测模型
3.3.1 模型对比分析
3.3.2 基于融合技术的点击率预测模型
3.4 基于深度神经网络的点击率预测模型
3.4.1 人工神经网络
3.4.2 反向传播神经网络
3.4.3 基于深度神经网络的点击率预测模型
3.5 本章小结
第4章 实验与结果分析
4.1 实验数据集描述
4.2 数据统计与分析
4.3 融合模型实验
4.3.1 融合模型与单一模型对比实验
4.3.2 特征有效性实验
4.4 深度神经网络模型实验
4.4.1 深度神经网络模型参数设置实验
4.4.2 深度神经网络模型与逻辑回归模型对比实验
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢