随着互联网技术的迅猛发展,在线广告已经成为广告营销最为重要的手段。近年来,随着机器学习、大数据处理等技术的进一步发展,计算广告正朝着精准化投放的方向不断演进。以实时竞价为核心的程序化交易广告自诞生以来就受到业内广泛的关注,目前已经成为展示广告市场中举足轻重的力量,其发展使得在线广告朝着计算导向、数据驱动的方向前进。需求方平台作为实时竞价生态圈中最为关键的产品,以“定制化”标签指导广告的精准化投放,对流量的选择和控制能力达到了极致,因此在实现上,面临着诸多技术和算法挑战。点击率预估是需求方平台中一项非常核心的技术,其准确性将直接影响到广告的投放效果和广告主的收益,因此是学术界和工业界共同的研究热点。本文针对上述需求,设计并实现了一套在线广告需求方平台,并针对其中关键的点击率预估算法进行了深入的研究。本文的主要工作如下:(1)对在线广告需求方平台的功能性和非功能性需求进行了深入的分析,结合需求分析和关键技术,确定了在线广告需求方平台的设计方案,系统包括Web服务模块,竞价监听模块、用户管理模块、广告管理模块、用户定向模块、广告检索模块,广告排序模块和日志收集与处理模块共八个模块。基于此设计方案,本文详细阐述了对各模块功能的具体实现。经过测试,本文设计和实现的在线广告需求方平台各功能模块均符合预期,系统执行效率和收益也得到了验证。(2)为提高点击率预估的准确性,本文在基于因子分解机的神经网络点击率预估模型之上,提出了一种优化的点击率预估方案,通过引入特征域的属性更好地捕获特征之间的交互从而提升点击率预估的准确性,实验结果表明,该方案可有效提高点击率预估的准确性,但时间开销较大。然后,本文对该方案进行了进一步优化,通过预计算特征之间的交互权重减小时间开销,实验结果表明,该方案在不引入过多的时间开销的前提下能够有效提升点击率预估的效果。