基于用户行为信息的艺术广告媒体推送机制设计

发布时间：2021-08-21 02:40

　　为有效细分目标受众,利用用户行为信息设计艺术广告媒体推送机制。采用相似度算法计算用户浏览媒体内容的相似度,获取用户行为特征即用户对内容的偏好程度。设置阈值,内容相似程度在阈值以上视内容为相同簇,完成用户行为信息内容簇分类。计算有效簇内用户行为新鲜度与离散度,结合新鲜因子求取有效簇最终权重。最后利用有效簇最终权重与用户对内容的偏好程度计算艺术广告推送分数,对广告排序选出适合用户的广告。艺术广告媒体推送测试结果显示,所设计广告推送机制在长期与短期内的召回率与查准率较优,依据用户行为特征向用户精准推送艺术广告信息。 

【文章来源】：现代电子技术. 2020,43(01)北大核心

【文章页数】：5 页

【部分图文】：

基于用户行为信息的艺术广告媒体推送机制

本文设计基于用户行为信息的艺术广告媒体推送机制，构建实验环境测试该机制推送广告的效果。实验以网络媒体为载体，实验数据集为500张网页内容，内容涉及旅游、财经、体育、艺术以及电脑5个类别，每种类别包含100张网页，网页内容随机分布。预设800个与网页浏览内容相关的广告，预设400个与网页浏览内容无关的广告。用户浏览内容的相似度计算影响用户行为特征提取结果，进一步影响艺术广告媒体推送分数，所以，首先测试本文机制中用户浏览内容的相似度计算精准度，用平均绝对误差进行评估。若计算结果低于0.2证明相似度计算值符合用户行为特征提取要求。网页浏览数量不同时，本文机制计算用户浏览内容相似度的平均绝对误差如图2所示。图2中，本文机制计算内容的相似度平均绝对误差初始值在0.18左右，符合用户行为特征精准提取标准，随着实验的不断进行，平均绝对误差呈下降趋势，用户浏览网页达到40张时，本文机制计算内容相似度的平均绝对误差趋于平稳，在0.11上下浮动。总体看来，本文机制计算内容的相似度误差较低，为用户行为特征计算、广告推送分数计算创造了准确的数据条件。

用户行为的新鲜程度在最终权值中的关键程度通过新鲜因子体现。定义行为因子为6%，λ={0.0,0.1,0.2,?,1.0}。新鲜因子对艺术广告媒体推送的影响如图3所示。分析图3可知，随着新鲜因子的增加，五种类别网页内容的最终权重变化存在差异，财经、体育类别网页内容簇权重增加，其余类别权重为降低趋势。这种变化说明，本文研究的艺术广告媒体推送机制能够根据用户的行为信息特征适时调整推送广告的类别，实现用户长期行为、短期行为广告的精准推送。2）行为因子对艺术广告媒体推送的影响


本文编号：3354721