| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 文章组织结构 | 第14-15页 |
| 2 相关研究 | 第15-30页 |
| 2.1 在线广告生态系统 | 第15-22页 |
| 2.1.1 系统架构 | 第15-16页 |
| 2.1.2 广告投放机制 | 第16-19页 |
| 2.1.3 定向广告 | 第19-21页 |
| 2.1.4 行为定向广告 | 第21-22页 |
| 2.2 在线追踪技术 | 第22-24页 |
| 2.2.1 基于HTTP请求 | 第22-23页 |
| 2.2.2 Cookie匹配 | 第23页 |
| 2.2.3 指纹识别 | 第23-24页 |
| 2.3 现有研究总结 | 第24-29页 |
| 2.3.1 追踪与追踪机制 | 第24-25页 |
| 2.3.2 用户画像 | 第25-26页 |
| 2.3.3 广告系统测量 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 同步跨平台测量方法 | 第30-53页 |
| 3.1 跨平台测量 | 第30-32页 |
| 3.1.1 跨平台测量的提出 | 第30-31页 |
| 3.1.2 跨平台测量的挑战 | 第31-32页 |
| 3.2 同步跨平台测量方法 | 第32-35页 |
| 3.2.1 基本思想 | 第32-34页 |
| 3.2.2 系统框架 | 第34-35页 |
| 3.3 跨平台监测网页解析 | 第35-39页 |
| 3.3.1 关键问题及其解决方法 | 第35-37页 |
| 3.3.2 方案设计 | 第37-39页 |
| 3.4 基于兴趣的虚拟角色构建 | 第39-47页 |
| 3.4.1 关键问题及其解决方法 | 第39-40页 |
| 3.4.2 方案设计 | 第40-47页 |
| 3.4.2.1 网页分类 | 第40-44页 |
| 3.4.2.2 训练虚拟角色及收集广告 | 第44-47页 |
| 3.5 广告识别 | 第47-51页 |
| 3.5.1 关键问题及其解决方法 | 第47-48页 |
| 3.5.2 方案设计 | 第48-51页 |
| 3.6 编程实现 | 第51-52页 |
| 3.7 本章小结 | 第52-53页 |
| 4 性能评估 | 第53-69页 |
| 4.1 实验环境 | 第53-54页 |
| 4.1.1 软硬件环境 | 第53页 |
| 4.1.2 实验步骤 | 第53-54页 |
| 4.2 实验结果分析 | 第54-68页 |
| 4.2.1 测量数据集的整体统计 | 第54-57页 |
| 4.2.2 评估指标介绍 | 第57-58页 |
| 4.2.3 不同ADX平台对比测量及分析 | 第58-63页 |
| 4.2.3.1 百度与谷歌 | 第58-61页 |
| 4.2.3.2 阿里与苏宁 | 第61-63页 |
| 4.2.4 不同ADX平台的时间动态行为的对比测量及分析 | 第63-68页 |
| 4.2.4.1 两个平台广告投放的时间动态行为对比 | 第64-65页 |
| 4.2.4.2 单平台广告投放时间动态行为 | 第65-68页 |
| 4.3 本章小结 | 第68-69页 |
| 5 结论 | 第69-71页 |
| 5.1 本文总结 | 第69页 |
| 5.2 工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |