准备开题，先看一下国内的相关硕士学位论文，知网上down的。
2017
大数据平台下的互联网广告点击率预估模型
基于腾讯社交广告数据集，hive+hadoop环境下实现GBDT+FM分布式点击率预估，用到贝叶斯平滑等，竞赛在分布式环境下的扩展。
-
2016
针对在线广告实时竞价系统的相关算法研究、电子科大、郭威
将竞价策略总结为预算控制和估价算法两个步骤，提出一种预算步进（buget pacing）算法和一个出价模型
数据集：iPinyou
2.2介绍计算广告核心问题和结算方式
核心问题：广告主、用户、媒体三方博弈，涉及信息检索、机器学习、最优化三个领域。
结算方式以及适用场景：CPT->CPM->CPC->eCPM 这里总结的很好
第3章点击率预估：LR\GBDT \FM\在线算法online SGD，FTRL数据集Criteo
第4章设计了一个 buget pacing(预算步进) 策略
第5章竞价算法设计：DSP策略中的关键技术图
这个问题通常是一个约束最优化问题，约束是广告主一天的广告预算，最优某个性能指标，如点击数或转化数。
2015
在线广告 DSP 平台实时竞价算法的研究与实现 、上海交通、韩静
主要研究实时竞价算法，点击率预估和竞价策略。
ctr预估：LR和GBDT。
竞价策略：提出固定竞价、分组竞价（M6D）、综合竞价（非线性竞价）三种策略，进行数学推导
数据集：iPinyou，评价指标KPI
利用这份数据集做实验的流程 （第四章）：
广告点击率预估的深层神经网络模型研究 北邮 王孝舒
Criteo竞赛数据
baseline：LR
优化：DNN，分别选取sigmod和Relu作为激活函数进行实验
互联网广告精准投放平台设计与实现 成都理工 葛泽泽
基于hadoop、hive实现DSP平台
国内外发展情况可参考
基于流式计算的广告特征提取系统的设计与实现 钟晓诚 南京大学
做的是搜索广告的
流式广告特征提取系统，实时处理广告数据，不断训练、更新ctr预估模型，基于百度开发的流式计算框架Task Manager，集合HDFS\MapReduce
可以将广告特征数据反映到线上模型的时间缩短至分钟级
基于逻辑回归的在线广告ctr优化和预测 浙江大学 代成雷
用了LR和FTRL进行ctr预估
基于深度学习的搜索广告点击率预测方法研究 哈工大 李思琴
GPU、深度学习CTR预估与贝叶斯分类、LR、svm对比
卷积神经网络
KDD2012数据集
特征用到w2v
评估：AUC
在线广告中实时竞价机制研究与算法实现 华中师范 朱丽辉
当竞价较低时，提升竞价能大幅增加赢得竞价的概率；当竞价较高时，降低竞价对赢得竞价的概率影响不大。提出了预算再分配模型，将竞价空间分成不同的区间，将预算消耗在最优价格区间。结合上述两点给出了一个基于动态点击率预估的分段竞价算法，很好地解决了小广告主的利益问题。
本文提出了一个＂预算再分配＂的竞价策略：将广告主的整个竞价空间按照价格的高低划分为三个区间Ｐｉ，Ｐ２，Ｐ３，当估价在ＰＩ，Ｐ３的时候，对其进行相应的降价措施，当估价在Ｐ２的时候对其进行提价操作。
核心思想：当广告主的预算在非常有限的情况下，应该放弃那些过高的竞价以及没意义的竞价（估价过低），将预算尽量分配在适当的竞价范围。
数据集：ipinyou
2014
2013
互联网广告精准投放平台研究 华中师范 李志
实现了一个DSP平台
用贝叶斯分类，对用户特征进行分类
背景写的很好，有国内外DSP产品比较
平台设计和流程需要参考