导读:本文包含了预估搜索论文开题报告文献综述及选题提纲参考文献，主要关键词:搜索广告,点击率预估,逻辑回归,特征选择
预估搜索论文文献综述
王兵[1]（2013）在《一种基于逻辑回归模型的搜索广告点击率预估方法的研究》一文中研究指出搜索广告是搜索引擎公司如百度,Google等的主要收入来源,当前的收费模式是按用户点击广告的次数收费,而广告位的个数是有限的,因此对于每个用户检索词,怎样在广告库中检索到用户最可能点击的广告返回给前端去展示是所有搜索引擎公司最关心的问题。CTR(Click Through Rate)即是衡量某广告被用户点击的可能性大小的指标。展示CTR最高的广告给用户是叁赢的,对于用户,提高了搜索体验,他们乐于点击；对于商家,精准的广告投放策略将使广告都投放给潜在客户,有助于提高他们的营收；对于搜索引擎公司,提高用户点击广告的可能性,将使它们赚取更多广告提成。预估CTR是一项很复杂、涉及面很广的工作,本文就此问题提出了一种基于逻辑回归模型的预估方法。本文将预估CTR工作分成了两个主要方面：线下训练和线上计算。线下训练中使用Hadoop,从搜索引擎日志出发,经历数据清洗、提取特征、合并增量、排序降维、模型求解、模型验证等步骤,最终得出了一个特征到权重的映射文件,此即为我们的模型。在线上计算部分,经历扩展匹配、广告粗选、CTR计算等步骤,取出了CTR最高的10个广告返回给前端。逻辑回归模型属于有监督学习的一种,如何提取数据集中区分度高的特征是关键,本文针对CTR预估问题提出了3项一元、二元特征,经实验验证能有效提高搜索引擎收益。针对搜索广告这一特定场景,本文还引入了时间衰减因子用以区分较老的历史记录跟较新的历史记录对CTR预估的不同影响力,也取得了很好的成效。(本文来源于《浙江大学》期刊2013-01-09）
祝帅[2]（2013）在《基于可扩展分解机器的搜索广告点击率预估》一文中研究指出搜索广告通过用户的检索行为触发广告的生成,是目前互联网流量变现的主要模式之一。搜索引擎一般按照广告的点击率(Click-Through-Rate, CTR)和广告的出价之积来筛选广告,其中CTR预估是核心问题之一,它对搜索引擎的收入和用户的体验都有重大影响,点击模型是预估CTR的主要方式。但是,由于搜索广告数据量大,特征维度高且长尾现象明显,目前大多数点击率预估系统无法高效的在如此大量的稀疏且高维的数据上准确预估CTR。因此设计恰当的特征体系,建立高效可扩展的点击模型,并且利用在线优化算法快速迭代成为急需解决的叁个问题。本文的主要工作如下：1.提出点击率预估特征设计原则,基于此提出五组特征,包括从用户,广告,以及环境叁个维度,由单特征到组合特征,统计特征等多粒度的特征集合；2.设计了用作点击模型的可扩展分解机器SFM,利用维度树结构将分解机器所基于的切片张量分解重构成层次切片分解。由于利用了层次结构,不仅模型的空间复杂度大大下降而且方便了在线算法的设计,此外,借助于分解模型,模型能在长尾数据上更准确的预估参数,利用proximal gradient方法,在线工作集优化算法能更快收敛。3.基于真实搜索广告日志数据进行了叁组实验来模拟线上CTR的预估,结果表明,CTR特征体系能够有效提升模型对搜索广告点击率预估的准确度,SFM相比FM能够有效降低模型的存储空间,online策略的工作集算法比batch策略能更快的收敛到局部最优解,在点击率预估方面,SFM在高频和长尾搜索日志数据上的CTR预估准确度以及排序能力均于好于作为基线模型的分解机器,Logistic Regression模型和User Browsing模型。(本文来源于《浙江大学》期刊2013-01-01）
沈继忱,师鹏涛,叶青[3]（2012）在《预估搜索法在流速分布测量中的应用研究》一文中研究指出本文在互相关和快速傅立叶变换的基础上,研究了流场速度分布测量的实现。针对图像测速技术中互相关算法运算量大的问题,提出一种改进的基于快速傅里叶变换(FFT)的互相关算法。用该方法处理由数学方法合成的气泡图像并与标准结果进行对比,结果表明,改进算法运算效率有明显提高。(本文来源于《中外企业家》期刊2012年02期）
王晓春,左继章,陈玉峰,赖元东[4]（2008）在《基于相位预估和最优搜索的直接序列快捕算法》一文中研究指出提出一种直序扩频快速捕获算法,相位预估器将接收信号与辅助序列相关,获得初始相位估计,然后采用最优化搜索算法进一步确定初始相位所在区间,最后由相位检测器在此区间内逐码片搜索,获得准确相位。平均捕获速度比串行搜索方法提高两倍以上。(本文来源于《弹箭与制导学报》期刊2008年03期）
预估搜索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
搜索广告通过用户的检索行为触发广告的生成,是目前互联网流量变现的主要模式之一。搜索引擎一般按照广告的点击率(Click-Through-Rate, CTR)和广告的出价之积来筛选广告,其中CTR预估是核心问题之一,它对搜索引擎的收入和用户的体验都有重大影响,点击模型是预估CTR的主要方式。但是,由于搜索广告数据量大,特征维度高且长尾现象明显,目前大多数点击率预估系统无法高效的在如此大量的稀疏且高维的数据上准确预估CTR。因此设计恰当的特征体系,建立高效可扩展的点击模型,并且利用在线优化算法快速迭代成为急需解决的叁个问题。本文的主要工作如下：1.提出点击率预估特征设计原则,基于此提出五组特征,包括从用户,广告,以及环境叁个维度,由单特征到组合特征,统计特征等多粒度的特征集合；2.设计了用作点击模型的可扩展分解机器SFM,利用维度树结构将分解机器所基于的切片张量分解重构成层次切片分解。由于利用了层次结构,不仅模型的空间复杂度大大下降而且方便了在线算法的设计,此外,借助于分解模型,模型能在长尾数据上更准确的预估参数,利用proximal gradient方法,在线工作集优化算法能更快收敛。3.基于真实搜索广告日志数据进行了叁组实验来模拟线上CTR的预估,结果表明,CTR特征体系能够有效提升模型对搜索广告点击率预估的准确度,SFM相比FM能够有效降低模型的存储空间,online策略的工作集算法比batch策略能更快的收敛到局部最优解,在点击率预估方面,SFM在高频和长尾搜索日志数据上的CTR预估准确度以及排序能力均于好于作为基线模型的分解机器,Logistic Regression模型和User Browsing模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预估搜索论文参考文献
[1].王兵.一种基于逻辑回归模型的搜索广告点击率预估方法的研究[D].浙江大学.2013
[2].祝帅.基于可扩展分解机器的搜索广告点击率预估[D].浙江大学.2013
[3].沈继忱,师鹏涛,叶青.预估搜索法在流速分布测量中的应用研究[J].中外企业家.2012
[4].王晓春,左继章,陈玉峰,赖元东.基于相位预估和最优搜索的直接序列快捕算法[J].弹箭与制导学报.2008