随着全球网络广告产业的高速发展,计算广告应运而生。作为一种将技术和计算与网络广告投放决策进行结合的广告投放模式,它基于给定的广告投放请求,考虑广告投放的上下文环境和用户特点,从候选广告库中通过计算选择与之最匹配的广告,然后将广告投放至目标受众。在计算广告领域中,广告点击率预估(Ad Click-Through Rate Prediction)是与整个网络广告产业链息息相关的核心技术。本文基于实际工业界广告点击日志对广告点击率预估方法进行研究。利用大数据分析技术对日志进行预处理、特征提取以及模型构建,系统地探讨了数据的预处理方法、特征挖掘与表达以及广告点击率预估算法。论文完成的主要工作包括:(1)针对日志的预处理问题,本文提出了基于幂律分布的异常用户检测方法。该方法考虑数据中所有用户的点击量分布情况,从数据集自身统计分析的角度判断异常用户,具有较好的物理意义和可解释性。本文通过实验设计与分析验证了该方法的有效性。(2)针对特征提取问题,本文先从用户、广告和上下文三个方面去提取类别特征,然后设计了一种统计特征构建框架,并测试了统计特征在多种模型下的效果,验证了统计特征构建框架的有效性。(3)为了有效利用构建出的特征,本文提出了融合特征选择的广告点击率预估混合模型。实验结果表明,该模型有效提高了预估的准确性。在以上研究的基础上,本文设计并实现了一个面向广告点击率预估的大数据分析平台,将大数据分布式处理框架部署在计算机集群上,并且提供特征构建和广告点击率预估的前端展示界面。