长期以来,广告变现是互联网公司收入的主要来源之一。互联网领域的领头羊(如谷歌、Facebook、阿里等)已将广告作为公司的核心产业,越来越多的公司意识到技术驱动下的广告投放更具竞争力。广告点击率(Click-Through-Rate,CTR)预估研究的本质是使广告主、广告平台、用户三方利益最大化,即广告主获得高的点击率、广告平台的收益能最大化、用户的满意度增加,因此,增加广告变现的CTR预估研究具有挑战性和重要性。目前,业界所进行的CTR预估任务的研究已相对成熟,但仍存在一些不足之处值得我们深入思考。第一,应用最多的LR模型是大多数公司做CTR预估时的首要选择,这种模型简单易实现,训练速度快,面对亿级别数据也能快速迭代完成,但这种方法学习能力有限,不能提取特征间的非线性关系,需要有计算广告背景的工程师做人工特征组合。第二,随着时间推移,公司业务不断扩展,需要处理的数据量也越来越多,如何利用当前的模型快速的迭代计算CTR值,保证广告投放模块稳定运行,是值得关注的问题。围绕以上问题,本文主要工作如下:(1)针对单一LR模型难以表达特征间非线性关系的问题,本文在该模型的基础上加入了极限梯度提升树模型(eXtreme Gradient Boosting,XGBoost),由于它具有自动构建组合特征、建树过程并行化的优势,因此可用XGBoost特征优化后的输出作为LR迭代计算的输入,这种XGBoost+LR的融合模型通过挖掘特征间隐藏关系,不仅能提高预估精度,还能加快计算速度。(2)针对广告数据量可能发生差异性变化或者业务场景迁移问题,模型的计算环境需要部署为具有较好扩展性、容错性、吞吐量高的分布式计算平台。该平台的主要工作是离线训练点击率预估模型,将训练好的模型更新到线上,再实时计算候选广告库中的CTR值。