众所周知,越来越多的国内外互联网公司的主要收入来源都是依靠广告,比如国外的知名互联网公司Facebook、谷歌和雅虎等,国内的互联网公司阿里、百度等。他们都是处于互联网领域的领头羊,并且公司的主要收入都是广告。尤其是近些年来人工智能的疾速发展,越来越多的公司投入到机器学习、神经网络等相关技术的研究,例如这些技术提高广告的点击率、转化率等,进而提高收入。相比于以前的广告投放,现在的网络环境无疑更加复杂,没有先进的技术作为支撑根本无法应对。因此如何从巨大的广告库中筛选出每个用户满意的、可能会点击的广告投放给用户无疑是一个巨大的挑战。本文正是在这样复杂的背景下,考虑如何设计实现一个可以针对每个用户从广告库中召回一定数量的候选广告集合,再依据模型准确计算候选广告集合中每个广告的CTR(Click-Through-Rate,点击率)预估系统。广告CTR预估系统需要准确利用广告和用户的基本信息,再加上用户对广告的行为信息综合起来计算出广告被用户所点击的概率。再以多个模型融合后的点击率作为候选广告集合排序的依据,选出点击率高的广告推荐给用户,这就是系统需要实现的基本功能。为了实现这些功能,本文基于协同过滤、LR(logistics regression,逻辑回归)和FM(factorizationmachine,因子分解机)模型,设计并实现了本文的广告CTR预估系统。首先介绍了课题的背景及研究意义,并深入了解了当前国内外的研究现状。然后对系统中的模型、特征工程、评估指标等相关技术做了详细介绍。接着对系统做需求分析,充分考虑了系统的功能性需求和非功能性需求。基于需求分析的结果对模型进行概要设计,设计每个模块的结构图和数据库的结构。根据概要设计的结果对每个模块进行详细的设计与实现,并将各个模块串通起来。最后对系统进行了系统性的测试和实验分析。