基于用户画像的移动广告推荐技术的研究与应用

发布时间：2019-08-20 08:47

【摘要】：随着移动设备的普及程度越来越高,移动广告占据的市场份额也越来越大。相比于传统互联网,移动媒体自身具有移动化、碎片化、个性化等特点,这就需要移动广告的投放必须朝着精准个性化的方向发展。只有改变传统广告粗放型的投放方式,针对不同用户迥异的兴趣进行个性化的广告投放,才能将广告投放转化为用户的消费行为,使广告投放商和广告主都能得到良好的商业回报。但是,现有的个性化广告推荐大都是基于内容的推荐,先提取用户当前页面的关键词,然后投放与之匹配的广告,并没有考虑用户自身的兴趣。本文深入研究利用用户历史行为数据进行用户画像建模的方法,针对数据稀疏性这个共性问题,提出使用RBF神经网络算法优化评分矩阵,并设计了一种结合用户画像建模的混合推荐算法,提高推荐精确度,实现个性化移动广告的推荐。本文所做的主要工作有:1.分析系统收集的用户数据,对用户进行精准画像。在澳洲社团活动平台项目背景下设计一套用户画像的标签体系,同时针对构建用户画像建模时用到的VSM算法进行了改进,并详细论述了画像模型更新的方法。2.深入研究了使用RBF神经网络结构优化评分矩阵,减少数据稀疏性的方法,然后提出一种将RBF神经网络和用户画像建模相结合的混合推荐算法。其核心是利用RBF神经网络可以以任意精度逼近非线性函数的特点,预测评分矩阵的空缺项,然后使用皮尔逊相似度计算方法得到用户最大邻居集合。将初步得到的推荐结果与用户模型向量相结合,计算它们之间的相似度,进而提升准确度,最终获得满意的推荐结果。3.在澳洲社团活动平台(Here in Australia)项目背景下,依据文中提出的用户画像建模方法和优化的混合推荐算法,设计并实现了基于用户画像的移动广告推荐系统。该系统作为Here澳洲社团活动平台的主要组成部分,是Here平台的主要盈利方式,同时也为平台提供移动微信端和Web端的个性化广告推荐服务和广告的综合后台配置管理等。
【图文】：

广告投放,推荐算法,广告,数据挖掘

图 1-1 横幅广告展示 (2) 文字超链接广告(Textual ad)。这种链接最常见的地方就是各大搜索引擎页面。例如谷歌和百度，它们都在自己的搜索页面进行了大规模的文字超链接广告展示。这不仅从页面版式上与周围融合在一起，在数量上也能增加广告投放量。如图1-2 所示就是常见的文字超链接广告。图 1-2 文字超链接广告(3) 视频广告(Vedio ad)。视频广告一般出现在在线流媒体的开始，当用户开始观看的时候首先播放广告，，当用户暂停时，同样会出现广告。这种广告展示方式在视频类的网站使用的最多。如图 1-3 所示。

标签,画像,推荐算法

用户“标签化”，而这就需要用到用户画像的相关理论知识。画像，还需要推荐算法进行精准计算，才能获取好的推荐效果和推荐算法两方面对相关概念和技术展开论述。画像画像，英文名 Profile，又称人群画像[45]。是通过对用户进行人为、社交关系、偏好习惯等信息进行分析，进而抽象出来的标，是最能代表或者表达一段信息核心和标识。，某女性用户通过手机 App 注册之后，可以得到“女性”、“0 后”这些标签，通过该用户日常浏商品的属性，可以分析得打扮”、“喜欢兰蔻”等标签，通过该用户的支付方式还能行”等等一些标签。将真实的用户，通过这些真实的数据，模，这个模型的属性就是如上所述的那些标签。而且随着数据的可能随着用户自身的变化而变化，但它们总是能很好的描述这所有信息。如图 2-1 所示：
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.3

【参考文献】