基于多域嵌入的梯度提升决策树在广告CTR预估中的应用研究

目录

声明

第一章 绪论

1.1 研究背景

1.2 研究现状

1.2.1 基于统计机器学习的CTR预估模型

1.2.2 基于深度学习的CTR预估模型

1.3 研究内容

第二章 模型介绍

2.1 词嵌入word2vec模型

2.1.1 单个单词上下文情境

2.1.2 多个单词上下文情境

2.1.3 Skip-Gram模型

2.2 梯度提升决策树

2.2.1 梯度提升算法

2.2.2 梯度提升决策树

2.3 基于多域嵌入的梯度提升决策树模型

2.3.1 多域嵌入模型

2.3.2 基于多域嵌入的梯度提升决策树模型

第三章 数据收集与实验设置

3.1 数据介绍

3.2 数据描述性分析

3.3 模型评价指标

第四章 实验结果分析

4.1 Avazu数据集

4.1.1 多域嵌入算法的t-SNE可视化结果

4.1.2 模型评估效果对比

4.2 OACF2018数据集

4.2.1 多域嵌入算法的t-SNE可视化结果

4.2.2 模型评估效果对比

第六章 总结与展望

参考文献

在学期间的研究成果

致谢