基于MapReduce的广告点击率预测系统设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 前言 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.2.1 计算广告的研究现状 | 第9页 |
| 1.2.2 广告点击率预测的研究现状 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 第二章 背景知识 | 第12-22页 |
| 2.1 Hadoop简介 | 第12-18页 |
| 2.1.1 MapReduce编程模型简介 | 第13-14页 |
| 2.1.2 HDFS分布式文件系统 | 第14-15页 |
| 2.1.3 HBase数据库系统 | 第15-17页 |
| 2.1.4 ZooKeeper简介 | 第17-18页 |
| 2.2 贝叶斯网简介 | 第18-22页 |
| 2.2.1 概率论基础知识 | 第18-20页 |
| 2.2.2 贝叶斯网推理 | 第20-22页 |
| 第三章 系统实现原理 | 第22-38页 |
| 3.1 数据表示 | 第22-25页 |
| 3.2 贝叶斯网的构建 | 第25-32页 |
| 3.3 基于贝叶斯网概率推理的广告点击率预测 | 第32-37页 |
| 3.4 本章小节 | 第37-38页 |
| 第四章 系统分析与设计 | 第38-42页 |
| 4.1 系统需求及要解决的问题 | 第38-39页 |
| 4.1.1 功能性需求 | 第38-39页 |
| 4.1.2 非功能性需求 | 第39页 |
| 4.2 系统的功能结构 | 第39页 |
| 4.3 系统的体系结构 | 第39-40页 |
| 4.4 本章小节 | 第40-42页 |
| 第五章 系统实现 | 第42-50页 |
| 5.1 集群环境部署 | 第42页 |
| 5.2 数据预处理模块的实现 | 第42-43页 |
| 5.3 关键词贝叶斯网构建模块的实现 | 第43-46页 |
| 5.4 广告点击率预测模块的实现 | 第46-49页 |
| 5.5 本章小节 | 第49-50页 |
| 第六章 系统测试 | 第50-58页 |
| 6.1 测试数据集 | 第50-51页 |
| 6.2 功能测试 | 第51-52页 |
| 6.3 非功能测试 | 第52-56页 |
| 6.3.1 系统的执行时间 | 第53-55页 |
| 6.3.2 系统的加速比和并行效率 | 第55-56页 |
| 6.4 本章小节 | 第56-58页 |
| 第七章 总结与展望 | 第58-60页 |
| 附录 | 第60-64页 |
| A1. 论文中主要算法的实现代码 | 第60-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
