基于大数据的网络广告推送服务研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-21页 |
| 1.1 选题背景和意义 | 第12-15页 |
| 1.1.1 互联网发展现状 | 第12-13页 |
| 1.1.2 联网广告 | 第13-15页 |
| 1.1.3 研究意义 | 第15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.2.1 网络定向广告推送服务平台 | 第15-16页 |
| 1.2.2 网络定向广告种类 | 第16-17页 |
| 1.2.3 网络定向广告投放技术 | 第17-19页 |
| 1.3 研究内容与目标 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 2 网络定向广告推送服务体系 | 第21-30页 |
| 2.1 网络定向广告推送服务功能架构 | 第21-22页 |
| 2.2 数据管理平台 | 第22-26页 |
| 2.2.1 用户上网数据预处理 | 第23-24页 |
| 2.2.2 用户行为特征分析 | 第24-26页 |
| 2.2.3 数据更新 | 第26页 |
| 2.3 需求方平台 | 第26-29页 |
| 2.3.1 广告计价模式 | 第27-28页 |
| 2.3.2 实时竞价(RTB) | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 用户行为特征分析关键技术 | 第30-40页 |
| 3.1 Hadoop平台 | 第30-32页 |
| 3.1.1 Mapreduce并行计算框架 | 第30-31页 |
| 3.1.2 HDFS分布式文件系统 | 第31-32页 |
| 3.2 基于jsoup的HTML解析方法 | 第32-33页 |
| 3.3 向量空间模型 | 第33-35页 |
| 3.4 聚类算法 | 第35-37页 |
| 3.5 用户行为分析算法 | 第37-39页 |
| 3.5.1 特征新鲜度 | 第37-38页 |
| 3.5.2 特征离散度 | 第38-39页 |
| 3.5.3 离散因子 | 第39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 用户行为特征分析相关技术优化 | 第40-52页 |
| 4.1 基于Redis的网页类别判定 | 第40-49页 |
| 4.1.1 Redis简介 | 第41-43页 |
| 4.1.2 设计方案概述 | 第43-44页 |
| 4.1.3 知识库的建立 | 第44-46页 |
| 4.1.4 网页类别判定的实现 | 第46-49页 |
| 4.2 相似网页聚合优化 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 数据管理平台子模块的实现 | 第52-61页 |
| 5.1 概要设计 | 第52-53页 |
| 5.2 Hadoop平台搭建 | 第53-55页 |
| 5.3 功能模块实现 | 第55-60页 |
| 5.3.1 数据预处理 | 第55-56页 |
| 5.3.2 网页特征词提取 | 第56-57页 |
| 5.3.3 相似网页聚合 | 第57-59页 |
| 5.3.5 行为特征分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 实验结果及分析 | 第61-68页 |
| 6.1 实验数据选取 | 第61页 |
| 6.2 实验评价指标 | 第61-62页 |
| 6.3 实验结果分析 | 第62-67页 |
| 6.4 本章小结 | 第67-68页 |
| 7 总结与展望 | 第68-70页 |
| 7.1 工作总结 | 第68页 |
| 7.2 未来工作与展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 作者简介及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |
