针对在线广告实时竞价系统的相关算法研究

发布时间：2017-07-02 09:28

  本文关键词：针对在线广告实时竞价系统的相关算法研究，，由笔耕文化传播整理发布。

【摘要】：随着当今互联网应用以及大数据技术的快速发展,利用互联网这种特殊而新颖的载体,使得广告推广拥有比传统方式更多的优越性,且已经成为互联网行业主要的收入来源之一。而实时竞价类的在线广告,现已成为在线广告领域的一个研究热点,它是程序式购买的一种重要方式,在互联网广告市场中占有越来越大的比重。实时竞价方式的出现极大的简化了广告活动管理和信息的以及交换过程,且能够满足广告主对广告投放效果更苛刻的要求。这种技术产品能够将系统处理的粒度精细到每次广告的展示请求,利用数据分析、回馈预测以及各种优化策略,能够更精准地决策每一次投放行为。相比于传统的合约广告渠道,大幅度地提高了效果类广告营销的实际效果,并逐渐成为显示广告的主要投放方式之一。但这种竞价广告产品也对相关优化算法提出了更高的要求,挑战最大的就是需求方平台相关算法的研究。需求方既要帮助广告主提供人群定向、受众定向等定制化的精准投放服务,还需要对每次广告展示进行性能指标的评估,而面对市场竞价时还要去优化自身的实际投放策略。由于实时竞价相对开放的市场环境和灵活的产品逻辑,其中蕴含了巨大的优化空间,对相关技术的研究也有急迫的需求,其中对竞价策略的研究作为本课题的出发点和切入点。本文将竞价策略总结为预算控制和估价算法两个步骤。首先提出了一种预算步进算法,该算法能够依据基于广告流量、时段质量以及市场竞争程度等多因素控制的生成的预算分配计划,并根据计划进行动态的调整。还同时提出了一个竞价的出价模型,该估价函数考虑到了市场中历史成交均价与预留价等因素。除此之外,本文还从工程角度研究并总结了当今点击率预测的多项技术,描述了在实践中需要重点考虑的问题和优化方向,并对点击率预测这个任务设计了多项实验并从多方位探索并分析了这项技术。最后使用业界广告竞价日志,通过相关实验验证了预算步进算法以及结合步进算法的估价算法的效果,并证明了所提算法的理论和实际价值。
【关键词】：在线广告 实时竞价 点击率预测 预算步进算法 竞价策略 需求方平台算法优化
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F713.8;TP301.6
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-17
• 1.1 研究背景与意义10-12
• 1.2 国内外研究现状12-14
• 1.3 本文主要贡献与创新14-15
• 1.4 本文的结构安排15-17
• 第二章 在线广告的研究问题概述17-29
• 2.1 引言17-22
• 2.1.1 在线广告行业的基本概念17-19
• 2.1.2 实时竞价广告概述19-22
• 2.2 在线广告若干问题的概述22-28
• 2.2.1 计算广告核心问题22-23
• 2.2.2 在线广告的收益估计与结算方式23-25
• 2.2.3 在线广告受众定向技术25-26
• 2.2.4 搜索广告相关技术26-28
• 2.3 小结28-29
• 第三章 主流点击率预测技术的总结29-47
• 3.1 引言29
• 3.2 点击率预测模型的特征处理29-33
• 3.2.1 数据的离散化处理29-31
• 3.2.2 挖掘特征间关联31-33
• 3.3 典型的预测模型33-36
• 3.3.1 逻辑回归模型与求解法33-35
• 3.3.2 非线性预测模型35-36
• 3.4 点击率预测实验设计36-45
• 3.4.1 数据集介绍36-37
• 3.4.2 实验设计37-38
• 3.4.3 评价指标介绍38-39
• 3.4.4 实验结果与总结39-45
• 3.5 本章小结45-47
• 第四章 实时竞价预算步进算法47-58
• 4.1 引言47
• 4.2 预算步进算法47-51
• 4.2.1 预算控制的作用和意义47-49
• 4.2.2 理想的预算控制是什么49-51
• 4.3 基于广告流量、广告质量、市场竞争程度的分配计划51-55
• 4.3.1 预算步进的定义51-53
• 4.3.2 广告质量度量53
• 4.3.3 市场竞争程度度量53-54
• 4.3.4 预算分配计划54-55
• 4.4 预算步进措施55-57
• 4.4.1 概率过滤方式55
• 4.4.2 KPI阈值过滤方式55-57
• 4.5 小结57-58
• 第五章 竞价算法与实验58-77
• 5.1 引言58-60
• 5.2 算法思想60-61
• 5.3 算法设计61-65
• 5.3.1 时间衰减迭代模型61-62
• 5.3.2 估价函数62-64
• 5.3.3 预算调控的竞价算法64-65
• 5.4 实验测试65-77
• 5.4.1 数据集的特征处理65-68
• 5.4.2 数据统计分析68-70
• 5.4.3 结果分析70-77
• 第六章 全文总结77-78
• 致谢78-79
• 参考文献79-83
• 攻读硕士学位期间取得的成果83-84

【相似文献】

中国期刊全文数据库 前10条

1 刘波;;“算法设计与分析”教学探讨[J];高等理科教育;2007年04期

2 肖小克;陈莉;;《算法设计与分析》实践教学探讨[J];福建电脑;2009年10期

3 穆瑞辉;;计算机算法设计研究与思考[J];数字技术与应用;2012年12期

4 潘博;;构建“算法设计与分析”趣味课堂[J];科教文汇(下旬刊);2013年06期

5 王希常,杨志强;一类考场编排算法的设计[J];山东师范大学学报(自然科学版);2002年04期

6 龙腾芳,高金文;“分而治之”方法在算法设计中的应用[J];渤海大学学报(自然科学版);2004年01期

7 吕国英;;《算法设计与分析》教材建设的实施[J];计算机教育;2007年19期

8 徐子珊;;“算法设计与分析”教学中理论与技术的平衡[J];计算机教育;2008年10期

9 郑红;邵志清;符海波;;“算法设计与分析”课程教学改革初探[J];计算机教育;2008年14期

10 高尚;;“算法设计与分析”课程改革初探[J];计算机教育;2008年14期

中国重要会议论文全文数据库 前10条

1 雷咏梅;;椭圆曲线密码体制的算法设计与实现[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

2 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 徐子珊;;《算法设计与分析》课程中的工程教育[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王辉;刘治昌;;用一种新算法设计的安全系统[A];2007年中国智能自动化会议论文集[C];2007年

5 舒辉;柳清峰;杜祝平;周蓓;;实践教学模式在本科专业课程教学中的应用[A];中国电子教育学会高教分会2010年论文集[C];2010年

6 彭小宏;阳东升;刘忠;;基于聚类算法的组织协作网设计[A];2006中国控制与决策学术年会论文集[C];2006年

7 李皓;罗熊;;云存储部署优化的进化算法设计[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

8 罗长政;李熙莹;王镇波;罗东华;;一种大流量交叉路口的背景提取与更新算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 杨利;李霖;昌月楼;阳国贵;;对称位向量及启发式并行散列连接算法[A];数据库研究与进展95——第十三届全国数据库学术会议论文集[C];1995年

10 张晋;;嵌入式电脑鼠运行算法的研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

中国重要报纸全文数据库 前1条

1 ;算法设计的策略[N];电脑报;2003年

中国博士学位论文全文数据库 前10条

1 江立辉;基于干扰对齐的多用户无线传输优化方法研究[D];哈尔滨工业大学;2015年

2 史亚;多核学习算法与应用研究[D];西安电子科技大学;2015年

3 薛菲;基于蝙蝠算法的启发式智能优化研究与应用[D];北京工业大学;2016年

4 沈虎;支持干扰管理的无线并发通信协议及算法[D];国防科学技术大学;2015年

5 谷伟哲;齐次光滑算法及其应用[D];天津大学;2010年

6 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年

7 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年

8 尤海峰;求解隐式目标优化问题的交互式进化算法研究[D];中国科学技术大学;2011年

9 张常淳;基于MapReduce的大数据连接算法的设计与优化[D];中国科学技术大学;2014年

10 郭崇慧;地区中长期发展规划若干定量模型、算法及应用研究[D];大连理工大学;2002年

中国硕士学位论文全文数据库 前10条

1 李欣园;基于选择偏好的组合聚类算法研究与实现[D];内蒙古大学;2015年

2 杨潇;界约束非线性最小二乘问题的无导数算法[D];上海交通大学;2015年

3 王晓璐;基于Zynq的LS-SVM算法加速器设计[D];哈尔滨工业大学;2015年

4 楼磊磊;医疗保险数据异常行为检测算法和系统[D];浙江大学;2015年

5 齐海龙;基于改进人工蜂群算法的非线性系统辨识方法研究[D];北京化工大学;2015年

6 蔡平梅;结构化稀疏信号的恢复算法研究[D];上海大学;2015年

7 赵晨阳;基于蚁群算法的高阶图匹配方法研究[D];西安电子科技大学;2014年

8 苟清松;多目标粒子滤波检测前跟踪算法研究[D];电子科技大学;2015年

9 李枝勇;蝙蝠算法及其在函数优化中的应用研究[D];上海理工大学;2013年

10 李莲;基于蜂群和粗糙集的聚类算法研究[D];长沙理工大学;2014年

  本文关键词：针对在线广告实时竞价系统的相关算法研究，由笔耕文化传播整理发布。

本文编号：509386