网络广告中的点击欺诈检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关技术介绍 | 第17-25页 |
| 2.1 网络广告和点击欺诈 | 第17-19页 |
| 2.2 浏览器指纹技术 | 第19页 |
| 2.3 EverCookie投放技术 | 第19-20页 |
| 2.4 Hadoop分布式环境 | 第20-23页 |
| 2.5 Mahout算法库 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 点击欺诈检测的模型研究 | 第25-47页 |
| 3.1 点击欺诈检测模型概述 | 第25-28页 |
| 3.1.1 点击欺诈检测模型框架研究 | 第25-26页 |
| 3.1.2 用户身份识别模型研究 | 第26-27页 |
| 3.1.3 并行欺诈检测模型研究 | 第27-28页 |
| 3.2 用户身份识别 | 第28-35页 |
| 3.2.1 浏览器指纹的采集 | 第29-30页 |
| 3.2.2 浏览器指纹识别算法分析 | 第30-32页 |
| 3.2.3 EverCookie投放算法分析 | 第32-33页 |
| 3.2.4 用户身份识别算法分析 | 第33-35页 |
| 3.3 用户操作信息仓库分析 | 第35-36页 |
| 3.4 并行统计分析 | 第36-43页 |
| 3.4.1 并行数据计算 | 第37-38页 |
| 3.4.2 用户特征分析 | 第38-39页 |
| 3.4.3 离群点分析算法 | 第39-43页 |
| 3.5 并行可疑性分析 | 第43-46页 |
| 3.5.1 随机森林算法 | 第43-44页 |
| 3.5.2 并行随机森林构造算法分析 | 第44-45页 |
| 3.5.3 并行随机森林检测算法分析 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 实验结果及分析 | 第47-55页 |
| 4.1 浏览器指纹跟踪性实验 | 第47-48页 |
| 4.1.1 数据集及实验方法 | 第47-48页 |
| 4.1.2 实验结果及分析 | 第48页 |
| 4.2 EverCookie跟踪性能实验 | 第48-51页 |
| 4.2.1 数据集及实验方法 | 第49-50页 |
| 4.2.2 实验结果及分析 | 第50-51页 |
| 4.3 仿真实验 | 第51-53页 |
| 4.3.1 数据集及实验方法 | 第51-52页 |
| 4.3.2 实验结果及分析 | 第52-53页 |
| 4.4 应用实验 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
