DSP国内硕士论文总结

准备开题,先看一下国内的相关硕士学位论文,知网上down的。

2017

  • 大数据平台下的互联网广告点击率预估模型

    基于腾讯社交广告数据集,hive+hadoop环境下实现GBDT+FM分布式点击率预估,用到贝叶斯平滑等,竞赛在分布式环境下的扩展。

2016

  • 针对在线广告实时竞价系统的相关算法研究、电子科大、郭威

    将竞价策略总结为预算控制和估价算法两个步骤,提出一种预算步进(buget pacing)算法和一个出价模型

    数据集:iPinyou

    2.2介绍计算广告核心问题和结算方式

    核心问题:广告主、用户、媒体三方博弈,涉及信息检索、机器学习、最优化三个领域。

    结算方式以及适用场景:CPT->CPM->CPC->eCPM 这里总结的很好

    第3章点击率预估:LRGBDT FM在线算法online SGD,FTRL数据集Criteo

    第4章设计了一个 buget pacing(预算步进) 策略

    第5章竞价算法设计:DSP策略中的关键技术图

    这个问题通常是一个约束最优化问题,约束是广告主一天的广告预算,最优某个性能指标,如点击数或转化数。

2015

  • 在线广告 DSP 平台实时竞价算法的研究与实现 、上海交通、韩静

    主要研究实时竞价算法,点击率预估和竞价策略。

    ctr预估:LR和GBDT。

    竞价策略:提出固定竞价、分组竞价(M6D)、综合竞价(非线性竞价)三种策略,进行数学推导

    数据集:iPinyou,评价指标KPI

    利用这份数据集做实验的流程 (第四章):

  • 广告点击率预估的深层神经网络模型研究 北邮 王孝舒

    Criteo竞赛数据

    baseline:LR

    优化:DNN,分别选取sigmod和Relu作为激活函数进行实验

  • 互联网广告精准投放平台设计与实现 成都理工 葛泽泽

    基于hadoop、hive实现DSP平台

    国内外发展情况可参考

  • 基于流式计算的广告特征提取系统的设计与实现 钟晓诚 南京大学

    做的是搜索广告的

    流式广告特征提取系统,实时处理广告数据,不断训练、更新ctr预估模型,基于百度开发的流式计算框架Task Manager,集合HDFSMapReduce

    可以将广告特征数据反映到线上模型的时间缩短至分钟级

  • 基于逻辑回归的在线广告ctr优化和预测 浙江大学 代成雷

    用了LR和FTRL进行ctr预估

  • 基于深度学习的搜索广告点击率预测方法研究 哈工大 李思琴

    GPU、深度学习CTR预估与贝叶斯分类、LR、svm对比

    卷积神经网络

    KDD2012数据集

    特征用到w2v

    评估:AUC

  • 在线广告中实时竞价机制研究与算法实现 华中师范 朱丽辉

    当竞价较低时,提升竞价能大幅增加赢得竞价的概率;当竞价较高时,降低竞价对赢得竞价的概率影响不大。提出了预算再分配模型,将竞价空间分成不同的区间,将预算消耗在最优价格区间。结合上述两点给出了一个基于动态点击率预估的分段竞价算法,很好地解决了小广告主的利益问题。

    本文提出了一个"预算再分配"的竞价策略:将广告主的整个竞价空间按照价格的高低划分为三个区间Pi,P2,P3,当估价在PI,P3的时候,对其进行相应的降价措施,当估价在P2的时候对其进行提价操作。

    核心思想:当广告主的预算在非常有限的情况下,应该放弃那些过高的竞价以及没意义的竞价(估价过低),将预算尽量分配在适当的竞价范围。

    数据集:ipinyou

2014

2013

  • 互联网广告精准投放平台研究 华中师范 李志

    实现了一个DSP平台

    用贝叶斯分类,对用户特征进行分类

    背景写的很好,有国内外DSP产品比较

    平台设计和流程需要参考