面向移动互联网营销的推荐系统研究与应用

发布时间：2017-05-24 07:07

  本文关键词：面向移动互联网营销的推荐系统研究与应用，由笔耕文化传播整理发布。

【摘要】：互联网广告是指通过网络广告平台,利用网站上广告横幅、文本链接等,在网络上发布广告信息。随着手机用户的迅速增加,移动营销日益受到青睐,移动互联网广告因其成本低廉而且覆盖的受众广泛,成为了许多企业用来拓展用户规模的方式。移动互联网有规模庞大的用户群体,在推送消息时不局限于时间、地域,而且信息投递迅速、成本低廉。移动互联网广告在国内外有巨大的市场潜力与增长空间,是广告投放领域新的机遇与挑战。随着信息技术和互联网的发展,人们逐渐从信息匮乏走向了信息过载的时代。对于信息消费者而言,从海量信息中找到自己感兴趣的信息更加困难;对于信息生产者,也很难让自己生产的信息从海量信息中被需求者提取出来,搜索引擎可以让用户通过关键词查找自己需要的信息,但当用户难以用关键字表达自己的需求或者需求不明确时,便显得捉襟见肘。推荐系统是解决这种情况的一种有效工具,与搜索引擎不同之处在于,她不需要用户提供明确的需求,而是通过用户过去的行为给用户的兴趣建模,从而主动给用户推荐他可能感兴趣的信息。推荐系统现已经在应用于广泛的领域,在学术界,推荐系统也很受关注。本文基于规模庞大的移动互联网用户行为数据,尝试结合推荐系统的一些思想,进行广告投放。与常见的电商或电视节目数据相比,移动互联网用户行为数据更具有精准性,可以准确的定位到真实世界具体的一个人。本文依据在手机用户访问App的数据,结合推荐系统的一些算法,通过分析与实验:1)寻找效果更适合于移动互联网广告投放的推荐算法及其参数;2)寻找在保证投放效果条件下,运算量更低的数据划分方式;在训练模型参数时,如果数据量较小,则针对全量数据是可行的,但是当数据量很大时,取全量数据在运算量上会有很大负荷,而且提取全量的数据并不一定能够提升算法的效果,在参与训练模型的数据达到一定量级之后,通常同样的算法无法挖掘数据中更深层次的用户兴趣。3)寻找一些推荐算法效果与参与计算的数据量的关系,发现使得算法效果“饱和”的数据量级,从而使得在工程应用中对算法参数和数据量进行有效的调整,在保证最终效果的前提下,降低运算复杂程度。
【关键词】：移动互联网 个性化推荐系统 广告投放
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-14
• 1.1 研究的背景10-11
• 1.2 论文的主要工作及意义11-12
• 1.3 本论文的结构安排12-14
• 第二章 移动互联网广告与推荐系统的相关研究进展14-35
• 2.1 移动互联网广告14-21
• 2.1.1 引言14
• 2.1.2 移动互联网广告特殊性及其投放方式14-16
• 2.1.3 移动互联网广告商业模式剖析16-17
• 2.1.4 移动互联网广告市场的优势与劣势17-18
• 2.1.5 移动广告发展状况分析18-21
• 2.2 推荐系统21-33
• 2.2.1 引言21-22
• 2.2.2 什么是推荐系统22-23
• 2.2.3 推荐算法的分类及介绍23-26
• 2.2.4 推荐系统的评价指标26-30
• 2.2.5 推荐系统的应用30-33
• 2.3 本章小结33-35
• 第三章 基于多种推荐算法及相似性度量方式的测试与分析35-50
• 3.1 引言35
• 3.2 实验方法35-38
• 3.2.1 数据基本信息35-37
• 3.2.2 数据取样以及数据集划分方法37
• 3.2.3 相似性度量方式37-38
• 3.3 实验算法描述38-47
• 3.3.1 以用户为基础（user-Based）的协同过滤38-40
• 3.3.2 以项目为基础（item-Based）的协同过滤40-42
• 3.3.3 基于扩散的算法42-47
• 3.4 实验结果及分析47-49
• 3.4.1 实验结果47
• 3.4.2 结果分析47-49
• 3.5 本章小结49-50
• 第四章 基于不同的用户划分方式进行推荐的效果分析50-57
• 4.1 引言50
• 4.2 实验目标50-51
• 4.3 实验方法51-54
• 4.3.1 数据取样方法51-52
• 4.3.2 数据处理流程52
• 4.3.3 数据集划分方法52-53
• 4.3.4 物质扩散与热传导的混合算法53-54
• 4.4 实验结果及分析54-56
• 4.5 本章小结56-57
• 第五章 推荐中算法饱和效应的测试与分析57-68
• 5.1 引言57-59
• 5.2 试验数据描述59-64
• 5.3 实验方法64-65
• 5.4 试验结果及分析65-67
• 5.5 本章小结67-68
• 第六章 结论68-71
• 6.1 本文的主要贡献68
• 6.2 本文工作的不足68-69
• 6.3 下一步工作的展望69-71
• 致谢71-72
• 参考文献72-75

【参考文献】

中国期刊全文数据库 前2条

1 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

2 赤风;;金融危机催热移动互联网营销[J];电子商务世界;2008年12期

  本文关键词：面向移动互联网营销的推荐系统研究与应用，由笔耕文化传播整理发布。

，

本文编号：390048