声明
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 基于因式分解机的点击率预测方法
1.2.2 基于深度信念网络的点击率预测方法
1.2.3 基于堆栈去噪自动编码器的点击率预测
1.2.4 基于循环神经网络的点击率预测
1.2.5 基于卷积神经网络的点击率预测
1.3 本文的主要内容及创新点
1.4 本文的组织结构
第二章 基于堆栈自编码神经网络的点击率预测方法
2.1 引言
2.2 预备知识
2.2.1数据降维处理
2.2.2 域分解机模型
2.3.1 AUFM模型
2.3.2 参数估计
2.4 实验分析
2.4.1 数据集
2.4.2 评估指标
2.4.3 比较方法
2.4.4 实验结果分析
2.5 本章小结
第三章 基于注意力机制的点击率预测模型
3.1 引言
3.2 基于注意力机制的点击率预测方法
3.2.1注意力因式分解机
3.2.2高阶特征交互
3.2.3 ASAE模型
3.3 实验
3.3.1数据集
3.3.2 实验设置
3.3.3 方法比较
3.3.4 实验结果分析
3.4 本章小结
第四章 基于用户兴趣的点击率预测模型
4.1 引言
4.2 背景知识
4.2.1 门控循环单元
4.2.2基础模型
4.3 方法
4.4 实验
4.4.1实验设置
4.4.2模型参数的敏感度分析
4.4.3运行时间比较
4.4.4 不同方法比较
4.5 本章小结
第五章 基于用户兴趣演化的分层注意力预测模型
5.1 引言
5.2 模型介绍
5.2.1 特征表示
5.2.2 兴趣提取层
5.2.3 兴趣演化层
5.2.4 ADI模型
5.3 实验
5.3.1 数据集
5.3.2实验设置
5.3.3 不同模型的性能比较
5.3.4 模型中的参数分析
5.3.5辅助损失的影响
5.3.6与ADI变体模型的比较
5.4 本章小结
第六章 总结与展望
6.1 主要研究总结
6.2 未来工作展望
参考文献
攻读博士学位期间的主要成果
论文研究期间参与的相关课题
致谢
山东师范大学;