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
兰州大学;