导读:本文包含了在线广告论文开题报告文献综述、选题提纲参考文献，主要关键词:在线,广告,需求方,点击率,数据,平台,电信。
在线广告论文文献综述写法
Ingmar,G.,Weber[1]（2019）在《如何将在线广告数据转换为服务社会的强大动力》一文中研究指出在线广告通常被视为因享受免费服务（如谷歌和脸谱）而“必须要面对的恶魔”；浮士德交易智慧的核心是“如果你不为产品付费，那么你就是产品”。对我们而言，在线广告亦是一个有用的数据源，可用来建立模型以便对互联网使用的性别差距进行跟踪、监视跨国移民、绘制(本文来源于《人民邮电》期刊2019-08-07）
张思遥[2]（2019）在《在线广告需求方平台设计与实现》一文中研究指出随着互联网技术的迅猛发展,在线广告已经成为广告营销最为重要的手段。近年来,随着机器学习、大数据处理等技术的进一步发展,计算广告正朝着精准化投放的方向不断演进。以实时竞价为核心的程序化交易广告自诞生以来就受到业内广泛的关注,目前已经成为展示广告市场中举足轻重的力量,其发展使得在线广告朝着计算导向、数据驱动的方向前进。需求方平台作为实时竞价生态圈中最为关键的产品,以“定制化”标签指导广告的精准化投放,对流量的选择和控制能力达到了极致,因此在实现上,面临着诸多技术和算法挑战。点击率预估是需求方平台中一项非常核心的技术,其准确性将直接影响到广告的投放效果和广告主的收益,因此是学术界和工业界共同的研究热点。本文针对上述需求,设计并实现了一套在线广告需求方平台,并针对其中关键的点击率预估算法进行了深入的研究。本文的主要工作如下:(1)对在线广告需求方平台的功能性和非功能性需求进行了深入的分析,结合需求分析和关键技术,确定了在线广告需求方平台的设计方案,系统包括Web服务模块,竞价监听模块、用户管理模块、广告管理模块、用户定向模块、广告检索模块,广告排序模块和日志收集与处理模块共八个模块。基于此设计方案,本文详细阐述了对各模块功能的具体实现。经过测试,本文设计和实现的在线广告需求方平台各功能模块均符合预期,系统执行效率和收益也得到了验证。(2)为提高点击率预估的准确性,本文在基于因子分解机的神经网络点击率预估模型之上,提出了一种优化的点击率预估方案,通过引入特征域的属性更好地捕获特征之间的交互从而提升点击率预估的准确性,实验结果表明,该方案可有效提高点击率预估的准确性,但时间开销较大。然后,本文对该方案进行了进一步优化,通过预计算特征之间的交互权重减小时间开销,实验结果表明,该方案在不引入过多的时间开销的前提下能够有效提升点击率预估的效果。(本文来源于《北京邮电大学》期刊2019-05-25）
曾贵川[3]（2019）在《在线广告需求方平台利润优化算法研究》一文中研究指出近年来,随着互联网技术的快速发展,为广大互联网用户带来了极大的便利,以及互联网用户群体数量的快速增加和用户群体种类的多样化,人们的生活越来越离不开互联网。许多传统的线下活动都已逐渐转换为线上活动,因此广告活动也同样快速转化为线上活动,以发挥在线广告得天独厚的优势。实时竞价作为当下发展最快的效果类在线展示广告的主要投放方式,在工业界与学术界都引起巨大的研究兴趣。如何更精确地决策每一次广告投放行为,需要利用数据分析、回归预测以及各种优化策略算法,从而最大化收益,这就为广大研究者提供了巨大的研究空间和挑战。本论文站在需求方平台的角度,旨在为提高需求方平台的利润收益而优化实时竞价中的关键算法:点击率预测算法和出价策略算法。点击率预测是推荐系统和在线广告的关键环节,本论文首先对几种典型的点击率预测模型进行探索研究,特别探索了基于融合结构的深度学习方法,并在此基础上提出一种基于融合结构的点击率预测模型,该模型能够灵活融合不同结构的深度神经网络来分别学习原始高维稀疏特征的高阶表示,从而使点击率预测模型能够利用更丰富的高阶特征信息。本论文利用真实数据集来评价模型的预测性能,实验结果显示,基于融合结构的深度学习预测模型,能够比传统的点击率预测模型以及最新的基于深度学习的预测模型获得更好的性能。在实时竞价中,需求方平台对每次接收到的广告展示机会的请求都会作出一个竞价决策,即在满足广告商需求的情况下,对广告请求给出一个竞标价,该竞标价决定了能不能获得此次广告展示机会,从而展示广告商的广告,因此一个好的出价算法能为需求方平台带来极大的利润提升。本论文另辟蹊径,利用强化学习技术对赢标价进行建模,从而给出更为合理的竞标价。大多数传统的出价算法都需要提前假设赢标价的分布,无法适应动态的数据,而基于强化学习的出价算法则可以自动从数据中进行学习,这更能适应动态的数据,泛化能力更强。实验结果显示,相比于传统出价算法,该算法能获得更好的性能。(本文来源于《电子科技大学》期刊2019-03-23）
晓镜[4]（2019）在《Verizon收缩在线广告战略》一文中研究指出近年来，美国通信运营商Verizon大举去电信化，该公司一大主攻方向就是在线广告领域，为此先后进行了数次超大手笔收购。然而，数年过去，该公司预期中的效果并未达到。最近，Verizon相关负责人表示，将把此前独立出去的在线广告子公司Oath重新并入集团。对(本文来源于《人民邮电》期刊2019-01-14）
晓镜[5]（2018）在《抢滩媒体之后，是在线广告领域？》一文中研究指出美国电信运营商近年来大举收购媒体资产。对于其背后的动因，多数解读是运营商看重媒体公司的优质内容资产，希望靠独家内容吸引更多用户，与传统业务实现协同发展。而最近，美国两大运营商的举措则又给这一媒体扩张行为带来了新解：在优质内容的背后，运营商似乎想再往前走一(本文来源于《人民邮电》期刊2018-10-01）
邓路佳,刘平山[6]（2018）在《基于K均值的叁阶段集成在线广告点击率预测模型》一文中研究指出针对广告点击率预测中单一逻辑回归(LR)点击率预测模型未考虑特征值的差异对预测结果造成的影响,提出基于K均值的叁阶段集成在线广告点击率预测模型。根据特征值的差异,用K均值算法对广告分类,得到K个数据子集,在每个数据子集上训练一个点击率预测模型,用这些模型共同对点击率进行预测,并通过梯度提升决策树(GBDT)挖掘特征之间的非线性关系来解决LR预测能力受限的问题。实验结果表明,基于K均值的叁阶段集成在线广告点击率预测模型在评价指标上比GBDT+LR、LR方法分别提升了2%、6%。(本文来源于《桂林电子科技大学学报》期刊2018年03期）
高显强[7]（2018）在《在线广告检索系统测试平台的设计和实现》一文中研究指出网盟广告检索系统是一种典型的实时竞价类型的在线广告检索系统,利用其丰富的站点资源和强大的技术手段,为广大客户提供高精准和广覆盖的广告投放平台。网盟广告检索系统产品线众多,迭代频繁,为了保障网盟广告检索系统的稳定性和可靠性,在产品开发中需要由开发人员自测,在上线前需要由测试人员进行全面的测试。当前网盟广告检索系统各个产品线的测试覆盖能力参差不齐,在实施测试的过程中会遇到诸多问题:缺乏真实广告请求,人工构造请求覆盖场景不完整;测试环境部署费时费力;日志数据处理过程复杂,结果展示缺乏统一标准,缺少关键信息;测试流程驱动困难,以及缺少仿真工具来替代部署复杂的模块。这些问题不仅降低开发和测试的效率,影响产品线功能的迭代,还降低网盟广告检索系统的测试质量。为了解决上述问题,提升测试效率,保障测试质量,本文提出构建一个测试平台。平台将用户分为两类,普通用户和产品线测试人员。平台将测试过程中需要的测试环境、真实广告请求等资源整合成服务,普通用户可以单独或组合使用平台服务完成测试工作,提升测试的效率。平台还将提供开发者框架,产品线测试人员可以利用开发者框架,快速构建起针对功能测试、性能测试等场景的测试应用,全方位保证产品的质量。完成测试平台构建的主要工作如下:(1)为解决环境部署的问题,设计和实现了环境服务;为了解决缺少线上真实广告请求的问题,设计和实现了词表服务;为提供驱动测试功能,设计和实现了driver服务,结合词表服务可以驱动测试流程;为提供仿真功能,设计和实现了stub服务;为解决日志数据处理问题,设计和实现了计算服务。(2)为了提供快速构建针对特定场景的测试应用的能力,平台在服务的基础上开发出服务组件,形成开发者框架,提高了测试效率,保障了产品质量。测试平台已经投入使用,从使用效果来看,无论是普通用户使用平台提供的基础服务进行测试,还是产品线测试人员使用开发者框架构建测试应用,工作效率都得到大幅提高,上线质量得到保证,更多的问题暴露在测试阶段,线上损失大幅减少。(本文来源于《东南大学》期刊2018-06-17）
蒋俊翔[8]（2018）在《在线广告中的点击率和转化率预估问题研究》一文中研究指出随着互联网和电子商务的发展,在线广告(Online Advertising)成为企业进行商品推广和获取收入的有效方法之一。在工业界,用户行为是反映在线广告效果的重要依据。因此,大量的科研工作者对用户行为开展了深入的研究。在用户行为研究中有两个基本问题,分别是广告的点击率(Click Through Rate)预估问题和广告的转化率(Conversion Rate)预估问题。广告的点击率预估在广告的精准投放过程中扮演了重要的角色,准确地预估点击率不仅关系到广告主和出版商的收益,还对用户的友好体验有着重要的影响,因此受到互联网企业的广泛关注。在线广告分为搜索广告、上下文广告和展示广告。与搜索广告和上下文广告不同,展示广告的特殊应用场景(没有直接反映用户偏好的查询关键字以及页面信息)使上述很多先进的方法无法被直接使用,因此展示广告的点击率预估问题依旧是一个很大的挑战。广告的转化率是一个反映在线广告投放效果的核心指标。在广告投放前,出版商和广告主商定一个特定的用户反馈行为(例如:加入购物车、收藏商品、购买商品等)作为投放效果的衡量标准,广告的转化率是指在广告投放过程中广告用户发生这个特定行为的整体比例。从这个角度出发,转化率量化描述了广告主最关心的问题,即广告用户的质量问题。因此,准确地预估转化率成为广告主合理地分配广告预算以及促进利润有效增长的重要手段之一。本文的主要工作分为两个方面:(1)首先针对展示广告的点击率预估问题,我们量化分析了隐藏在用户对下的相似度对点击率的影响,并提出了相似度方法SMUP(Similarity Method base on User Pair),这个方法使大多数模型可以很容易地加入隐藏在用户对下的相似度对点击率预估准确度的潜在影响,从而提高预估的准确度。通过在大规模的公开数据集(iPinYou数据集和Avazu数据集)上进行的实验,我们验证了SMUP的有效性。(2)其次针对在线广告的转化率预估问题,我们通过量化分析并利用传统模型所忽略的因素:广告创意(广告的外观,包括图片、视频)对转化率的潜在影响,从而提出了LR+(Logistic Regression Plus)模型。我们在两个公开数据集(REC-TMALL数据集和Taobao Clothes Matching数据集)上进行了实验和分析,最终验证了模型的有效性:在RMSE指标下,LR+模型相对LR模型、GBDT模型以及Linear SVR模型具备更高的预估准确度。(本文来源于《华南理工大学》期刊2018-04-25）
张永欢[9]（2018）在《在线广告资源管理与发布系统》一文中研究指出随着网络的普及和不断发展,在线广告所带来的传播率和效益越来越大。在线广告资源管理与发布的重点是对广告资源位进行管理、发布、售卖然后达到变现,同时提高商户的产品曝光率,达到共盈。但是伴随着其快速发展的同时,这里面也有许多的问题值得我们去深入研究,存在着广告资源管理不当、用户的体验性不好、系统不稳定、响应不及时、信息不干净等问题。从商户角度来说他希望系统软件操作方便,能在投放前浏览不同城市不同位置的广告位报价和优惠政策,同时又能预览广告的投放效果和落地效果,不同的商户也有着不同的曝光率要求,因此我们要设计不同的展示策略来满足不同商户的需求;从设计角度来说,要做好对广告资源位、库存及可售卖维度的管理,进而提升售卖效率;从技术角度来说,响应效率、版本适应、新老系统兼容、数据过滤、筛选和安全等问题我们都要不断去完善。对于响应效率,我们需要不断提高系统稳定性和检索效率,使其在高用户量的情况下也能提供稳定的服务;对于版本适应,随着版本的更新和升级我们要做到一次适配去适应多个不同的版本,同时要做好新老系统的兼容;对于数据过滤和筛选,将筛选s逻辑从存储转移到输出API中,通过多个过滤器和redis多次缓存,在不影响响应时间的情况下,大幅度降低活动数据存储量,来换取空间,;对于广告的信息安全,我们要做好权限分离,有专门的广告物料信息审核和法务审核保证信息的来源合法、干净;对于开发环境的部署,我们要做到可移植。因此我们需要设计一款能对广告资源进行有效管理、满足用户需求同时又能提供稳定安全服务,达到广告变现的系统。系统通过多个过滤器将搜索范围缩小,提高数据检索效率,并在检索的过程中使用网络通信模型进行调优;通过旁路缓存来提高数据库的稳定性;通过监控、权限控制提高系统的安全性。(本文来源于《山东大学》期刊2018-04-20）
肖垚,毕军芳,韩易,董启文[10]（2017）在《在线广告中点击率预测研究》一文中研究指出随着互联网的发展和用户的增长,广告行业从传统的线下广告模式,逐步转变为线上广告模式.同时,由于大数据分析技术的运用,线上广告模式相比于传统广告也体现了巨大的优越性.广告主之间相互竞争,通过竞价的方式,将自己的广告投放在运营媒体的广告位上.所以,在投放前预测该广告可能被用户点击的概率(CTR),对于广告主减少成本和增加可能收入来说非常重要.本文在调研了目前常用的广告点击率预测模型的基础上,选取广告主、广告和投放媒体平台信息作为预测模型的特征,采用真实数据集验证说明各种模型的优劣性,以及不同特征对广告点击率预测结果的影响.(本文来源于《华东师范大学学报(自然科学版)》期刊2017年05期）
在线广告论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网技术的迅猛发展,在线广告已经成为广告营销最为重要的手段。近年来,随着机器学习、大数据处理等技术的进一步发展,计算广告正朝着精准化投放的方向不断演进。以实时竞价为核心的程序化交易广告自诞生以来就受到业内广泛的关注,目前已经成为展示广告市场中举足轻重的力量,其发展使得在线广告朝着计算导向、数据驱动的方向前进。需求方平台作为实时竞价生态圈中最为关键的产品,以“定制化”标签指导广告的精准化投放,对流量的选择和控制能力达到了极致,因此在实现上,面临着诸多技术和算法挑战。点击率预估是需求方平台中一项非常核心的技术,其准确性将直接影响到广告的投放效果和广告主的收益,因此是学术界和工业界共同的研究热点。本文针对上述需求,设计并实现了一套在线广告需求方平台,并针对其中关键的点击率预估算法进行了深入的研究。本文的主要工作如下:(1)对在线广告需求方平台的功能性和非功能性需求进行了深入的分析,结合需求分析和关键技术,确定了在线广告需求方平台的设计方案,系统包括Web服务模块,竞价监听模块、用户管理模块、广告管理模块、用户定向模块、广告检索模块,广告排序模块和日志收集与处理模块共八个模块。基于此设计方案,本文详细阐述了对各模块功能的具体实现。经过测试,本文设计和实现的在线广告需求方平台各功能模块均符合预期,系统执行效率和收益也得到了验证。(2)为提高点击率预估的准确性,本文在基于因子分解机的神经网络点击率预估模型之上,提出了一种优化的点击率预估方案,通过引入特征域的属性更好地捕获特征之间的交互从而提升点击率预估的准确性,实验结果表明,该方案可有效提高点击率预估的准确性,但时间开销较大。然后,本文对该方案进行了进一步优化,通过预计算特征之间的交互权重减小时间开销,实验结果表明,该方案在不引入过多的时间开销的前提下能够有效提升点击率预估的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
在线广告论文参考文献
[1].Ingmar,G.,Weber.如何将在线广告数据转换为服务社会的强大动力[N].人民邮电.2019
[2].张思遥.在线广告需求方平台设计与实现[D].北京邮电大学.2019
[3].曾贵川.在线广告需求方平台利润优化算法研究[D].电子科技大学.2019
[4].晓镜.Verizon收缩在线广告战略[N].人民邮电.2019
[5].晓镜.抢滩媒体之后，是在线广告领域？[N].人民邮电.2018
[6].邓路佳,刘平山.基于K均值的叁阶段集成在线广告点击率预测模型[J].桂林电子科技大学学报.2018
[7].高显强.在线广告检索系统测试平台的设计和实现[D].东南大学.2018
[8].蒋俊翔.在线广告中的点击率和转化率预估问题研究[D].华南理工大学.2018
[9].张永欢.在线广告资源管理与发布系统[D].山东大学.2018
[10].肖垚,毕军芳,韩易,董启文.在线广告中点击率预测研究[J].华东师范大学学报(自然科学版).2017