基于社交关系的定制化受众系统的研究与实现

发布时间：2021-08-26 07:27

　　近年来,随着互联网的发展,移动在线社交的出现虽然给商家和第三产业服务商提供了大量的机遇,但也带来了“信息过载”等负面影响。精准营销一直是服务商和运营商最重要的业务部分,面对数量庞大的用户和数以亿计的用户数据,传统的标签式推荐系统难以快速精准的找到潜在目标用户。随着机器学习的兴起,“定制化受众”的概念在推荐领域得到了广泛应用。“定制化受众”的含义是当平台拥有了一定规模体量的用户后,平台推荐系统可以自动为有需要的商家发现潜在受众用户,即使该用户之前与该商家并未有实际的接触。定制化受众的核心思想是Look-alike服务,它的定位是“以人找人”的思维模式,广告商向平台提供已有用户群作为算法种子样本,定制化受众系统自动在平台内寻找出潜在目标客户群。一个完整的定制化受众系统通常情况下由用户、广告商、用户数据三个对象组成。本文的主要研究内容是基于社交关系的潜在用户扩展,在推荐算法的基础理论研究下,提出了一种基于社交关系的定制化受众算法模型。该模型让企业不用再去对用户进行基于属性或兴趣进行标签划分,能够利用用户社交关系,快速挖掘潜在用户。模型使用word2vec算法完成了用户属性信息、社交文本信息的... 

【文章来源】：中南财经政法大学湖北省 211工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

基于内容的推荐模型流程图

基于用户的协同过滤

基于物品的协同过滤

【参考文献】：
期刊论文
[1]基于深度自动编码器的多标签分类研究[J]. 聂煜,廖祥文,魏晶晶,杨定达,陈国龙.  广西师范大学学报(自然科学版). 2019(01)
[2]基于词性与词序的相关因子训练的word2vec改进模型[J]. 潘博,于重重,张青川,徐世璇,曹帅.  电子学报. 2018(08)
[3]基于Neo4j的社交网络平台设计与实现[J]. 张琳,熊斯攀.  情报探索. 2018(08)
[4]基于Word2vec的语义查询扩展方法[J]. 章露露,吕晓伟.  软件导刊. 2018(09)
[5]基于Word2vec和SVM的微博情感挖掘与仿真分析[J]. 缪广寒.  电子科技. 2018(05)
[6]基于社交实值条件的拓扑神经网络推荐算法[J]. 杨璐,洪联系.  三明学院学报. 2018(02)
[7]基于用户兴趣变化和评论的协同过滤算法研究[J]. 董晨露,柯新生.  计算机科学. 2018(03)
[8]基于Node2vec的改进算法的研究[J]. 杜阳阳,李华康,李涛.  计算机技术与发展. 2018(07)
[9]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[10]电信行业基于种子用户群扩展技术的定向营销研究与应用[J]. 张旭,刘洋,胡磊,赵晓东,张海滨.  电信科学. 2018(01)

硕士论文
[1]朋友圈信息流广告效果影响因素的实证研究[D]. 何岳红.华南理工大学 2018
[2]基于信任关系的用户聚类协同过滤模型研究[D]. 孙楠楠.华南理工大学 2018
[3]基于深度学习的Web社区推荐算法研究与应用[D]. 刘宇宁.西南交通大学 2018
[4]基于Time-LSTM的推荐系统[D]. 廖翊康.浙江大学 2018
[5]采用Node2Vec模型对网络特征表示方法研究[D]. 姚锐.南京大学 2018
[6]基于NOSQL数据库的路网最短路径查询及优化研究[D]. 于海鹏.北京工业大学 2016
[7]基于协同过滤模型与隐语义模型的推荐系统研究与实现[D]. 鲁权.湖南大学 2013
[8]奢侈品电子商务推荐的协同过滤算法研究与应用[D]. 李文刚.复旦大学 2012



本文编号：3363821