声明
学位论文答辩信息表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文研究的主要内容
1.4 论文的组织结结构
第二章 点击率预估算法相关概述
2.1点击率预估算法简述
2.1.1 点击率预估任务问题定义
2.1.2 在线展示广告技术架构
2.2 点击率预估算法的发展
2.2.1 点击率预估中的分类数据处理
2.2.2 机器学习点击率预估模型简介
2.2.3 深度学习点击率预估模型简介
2.3 点击率预估模型评价指标
2.3.1 交叉熵损失函数
2.3.2 ROC曲线下的面积
2.4 本章小结
第三章 基于特征交互的深度循环交互网络
3.1问题分析
3.2构建循环交互网络
3.2.1 输入层
3.2.2 特征交互层
3.2.3 特征融合层
3.2.4 RIN网络的整体结构
3.3 深度循环交互网络
3.4 实验设计与结果分析
3.4.1 数据集和实验设置
3.4.2 对比基线模型介绍1)浅层基线模型介绍
3.4.3 RIN模型验证实验
3.4.4 DRIN模型验证和超参数实验
3.4.5 模型消融实验
3.5 本章小节
第四章 融合交互特征与选择的点击率预估模型
4.1 问题分析
4.2 交互特征选择函数
4.2.1 三支决策
4.2.1 交互特征选择函数
4.3 融合交互特征与选择的点击率预估模型
4.4 实验结果分析
4.4.1 实验数据集及基线模型介绍
4.4.2 交互特征选择函数有效性验证
4.4.3 基线模型对比验证
4.4.4 阈值超参数实验
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 研究展望
参考文献
攻读学位期间取得的研究成果
致谢
太原理工大学;