一直以來,廣告都是互聯(lián)網(wǎng)公司一個(gè)非常重要的收入來源,像國外的谷歌、雅虎,國內(nèi)的百度、微博等,這些走在互聯(lián)網(wǎng)領(lǐng)域的領(lǐng)頭羊,都是以廣告為主要收入。尤其是在機(jī)器學(xué)習(xí)、人工智能的驅(qū)動下,越來越多的公司投入到如何提高廣告變現(xiàn)能力的研究當(dāng)中。與傳統(tǒng)的廣告相比,移動廣告用戶所處的環(huán)境更加復(fù)雜,所以需要更準(zhǔn)確的投放技術(shù)。因此,研究如何從時(shí)刻都在變化的流量中,實(shí)時(shí)地從平臺的廣告庫中選取合適的廣告,精準(zhǔn)投放給用戶是一個(gè)巨大的挑戰(zhàn)。本文正是基于這樣一個(gè)復(fù)雜環(huán)境,考慮如何設(shè)計(jì)并實(shí)現(xiàn)一個(gè)能對候選廣告庫中的每個(gè)候選廣告都盡可能計(jì)算出準(zhǔn)確點(diǎn)擊率的系統(tǒng)。廣告點(diǎn)擊率（Click-Through-Rate,CTR）系統(tǒng)需要合理使用用戶的基本信息和瀏覽記錄,預(yù)估出廣告被用戶點(diǎn)擊的可能性大小。從而結(jié)合廣告點(diǎn)擊率和競價(jià)因子對廣告排序,選取最靠前的N個(gè)廣告投送給用戶,這就是系統(tǒng)所要完成的主要工作。以廣告點(diǎn)擊率的預(yù)估值為依據(jù),對候選廣告排序,從用戶的角度,用戶看到自己感興趣廣告的可能性更高了;從廣告主的角度,廣告能達(dá)到更好的傳播效果;從平臺的的角度,平臺用戶留存率提高,平臺效益自然會更好。為了達(dá)到這三者的利益最大化,作者基于分布式... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１?Ｓｉｇｍｏｉｄ函數(shù)曲線??Ｆｉｇｕｒｅ?２－１?Ｓｉｇｍｏｉｄ?Ｆｕｃｔｉｏｎ?Ｃｕｒｖｅ??

ＴｅｎｓｏｒＦｌｏｗ是時(shí)下比較流行的一個(gè)機(jī)器學(xué)習(xí)框架，在大數(shù)據(jù)計(jì)算，深度學(xué)習(xí)??方面都有著很好的性能和優(yōu)勢。作者將基于ＴｅｎｓｏｒＦｌｏｗ，實(shí)現(xiàn)分布式的邏輯回歸??模型。ＴｅｎｓｏｒＦｌｏｗ中的分布式機(jī)器學(xué)習(xí)訓(xùn)練使用了如圖２－２所示的參數(shù)服務(wù)器架??構(gòu)［２５】。??Ｐａｒａｍｅｔｅｒ?Ｓｅｒｖｅｒ?Ｗ?—?Ｗ?？?ＴＪ＾Ｗ??ｒｐ＇１＇１＂＂＇１＂１＊－％?＇＇＇＇＇＂＇＂－ｖ?＞■＇????＜■■■■＇．－＂Ｎ?Ａ—??Ｉ??ｍｙ?麵ｍｍｍｍＪ?Ｖ—■■■?＿？■■■＾?ＶｗａｒｎｔＪ???Ｖ?Ｖ．，，，，??ｗ／ｈ?１１?＼＼??Ｍｏｄｅｌ??Ｊｌ???Ｊｌ???Ｊｌ???Ｒｅｐｌｉｃａｓ?｜［??Ｓｈｉｄｓ?６?６?６??圖２－２?ＴｅｎｓｏｒＦｌｏｗ分布式架構(gòu)??Ｆｉｇｕｒｅ?２－２?Ｄｉｓｔｒｉｂｕｔｅｄ?Ａｒｃｈｉｔｅｃｔｕｒｅ?ｏｆ?ＴｅｎｓｏｒＦｌｏｗ??當(dāng)模型越來越大，模型的參數(shù)越來越多，一臺機(jī)器的性能己經(jīng)無法滿模型參??數(shù)的更新時(shí)，會需要把參數(shù)分開放到不同的機(jī)器去存儲和更新。正是基于這點(diǎn)考??慮，在工業(yè)中，逐漸萌芽出了參數(shù)服務(wù)器的概念。參數(shù)服務(wù)器可以是由多臺服務(wù)??器組成的集群，類似分布式的存儲架構(gòu)，涉及到數(shù)據(jù)的同步，信息的交換，一致??性等，一般仍是以＜ｋｅｙ，ｖａｌｕｅ＞的形式，可以簡單將其理解為一個(gè)分布式的＜１＾丫，??ｖａｌｕｅ＞內(nèi)存數(shù)據(jù)庫，加上一些參數(shù)更新的操作。在性能需求較高時(shí)，幾百億的參??數(shù)被分散到不同的機(jī)器上去保存和更新

一同步致?lián)⑿蠪igure2-3SynchronousDataParallelism

【參考文獻(xiàn)】：
期刊論文
[1]基于云計(jì)算的大數(shù)據(jù)信息檢索技術(shù)[J]. 萬冬娥.  電子技術(shù)與軟件工程. 2018(03)
[2]計(jì)及用電模式的居民負(fù)荷梯度提升樹分類識別方法[J]. 王守相,劉天宇.  電力系統(tǒng)及其自動化學(xué)報(bào). 2017(09)
[3]一種基于矩陣的并行CRC校驗(yàn)算法[J]. 趙坤鵬,吳龍勝,馬徐瀚,陳慶宇.  電子設(shè)計(jì)工程. 2017(03)
[4]基于核函數(shù)的非線性支持向量機(jī)[J]. 張立,王淵民.  科技展望. 2017(01)
[5]基于AUC的分類器評價(jià)和設(shè)計(jì)綜述[J]. 汪云云,陳松燦.  模式識別與人工智能. 2011(01)
[6]極大似然估計(jì)方法介紹[J]. 趙軍圣,莊光明,王增桂.  長春理工大學(xué)學(xué)報(bào). 2010(06)
[7]一種面向大規(guī)模特征集的高效特征匹配算法[J]. 張偉,薛一波,周宗偉,汪東升.  高技術(shù)通訊. 2009(06)
[8]一種PCA算法及其應(yīng)用[J]. 張媛,張燕平.  微機(jī)發(fā)展. 2005(02)

碩士論文
[1]基于邏輯回歸模型的廣告點(diǎn)擊率預(yù)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 董書超.哈爾濱工業(yè)大學(xué) 2016
[2]MapReduce作業(yè)組合系統(tǒng)的研究與實(shí)現(xiàn)[D]. 朱晨杰.上海交通大學(xué) 2013



本文編號：3472410