在本文中，我们提出了一个展示广告的响应预测模型的框架。我们的方法有以下优点：

• 简单：提出的框架很容易实现，小小的更新和轻量级使用在服务器上。广告服务器只需要加载模型文件，可以很容易地适应内存并实现哈希函数的模型应用程序作为特征生成器。
• 可扩展性：我们的算法容易并行化。本文提供的map-reduce架构，我们可以小时内使用数十亿个样本来训练模型，相比现有的方法有很大的改善。
• 效率：最后结果清楚地表明了我们的框架与现有的框架一样好甚至更好。本研究报告的实验是从两个大的独特的显示广告公司。结果的稳定性和重复性表明所提出的框架可作为强有力的基准。