基于概率图模型的数据密集型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1章 前言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 CTR 预测的研究现状 | 第11-12页 |
| 1.2.2 数据密集型计算的研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 背景知识 | 第15-27页 |
| 2.1 Hadoop简介 | 第15-22页 |
| 2.1.1 HDFS简介 | 第15-17页 |
| 2.1.2 MapReduce简介 | 第17-19页 |
| 2.1.3 HBase简介 | 第19-22页 |
| 2.2 贝叶斯网 | 第22-26页 |
| 2.2.1 概率论基础知识 | 第23-25页 |
| 2.2.2 贝叶斯网推理 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 系统架构及算法设计 | 第27-46页 |
| 3.1 整体架构 | 第27页 |
| 3.2 数据预处理模块 | 第27-30页 |
| 3.2.1 海量数据处理与数据存储 | 第28-30页 |
| 3.3 贝叶斯网构建 | 第30-37页 |
| 3.3.1 贝叶斯网DAG构建 | 第30-34页 |
| 3.3.2 条件概率表计算 | 第34-37页 |
| 3.4 广告点击率预测 | 第37-45页 |
| 3.4.1 联合概率分布表计算 | 第37-40页 |
| 3.4.2 得到相似用户集合 | 第40-42页 |
| 3.4.3 广告点击率预测 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 实验及分析 | 第46-53页 |
| 4.1 实验数据和实验环境 | 第46-48页 |
| 4.1.1 实验数据设置 | 第46-47页 |
| 4.1.2 实验环境设置 | 第47-48页 |
| 4.2 系统的正确性验证 | 第48页 |
| 4.3 系统的有效性验证 | 第48-52页 |
| 4.3.1 系统的执行时间 | 第49-51页 |
| 4.3.2 系统的加速比与并行效率 | 第51-52页 |
| 4.4 实验结果分析 | 第52-53页 |
| 第5章 原型系统设计实现 | 第53-64页 |
| 5.1 系统分析 | 第53-54页 |
| 5.2 系统模块设计 | 第54-57页 |
| 5.2.1 数据预处理模块 | 第54页 |
| 5.2.2 贝叶斯网构建模块 | 第54-55页 |
| 5.2.3 广告点击率预测模块 | 第55-57页 |
| 5.3 系统整体架构及时序图 | 第57-58页 |
| 5.4 系统运行状态演示 | 第58-64页 |
| 5.4.1 数据预处理 | 第59-60页 |
| 5.4.2 贝叶斯网构建 | 第60-61页 |
| 5.4.3 广告点击率预测 | 第61-64页 |
| 第6章 总结与展望 | 第64-65页 |
| 附录 | 第65-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74页 |
