基于“人脸画像”的广告推荐算法及应用研究

发布时间：2020-06-03 05:03

【摘要】：近几年来,在大数据与深度学习算法推动下人工智能实现了快速的发展,人脸识别技术更是其中一项热门的研究领域。在实验室环境中,人脸识别技术精度已超过99.5%。在此基础上,各方也在寻求人脸识别的应用领域,而当下线下的广告机缺少有针对性的个性化推荐,一定程度上影响广告的传播效果。所以本文将人脸识别技术与线下广告机播放场景结合,重点研究了基于“人脸画像”的广告推荐算法。这对人脸识别技术的应用领域是一种扩展,对线下广告推荐系统的智能化发展也有重大意义。在播放地点固定的广告机场景中,比如电梯间和公交站旁的广告机,通过人脸识别技术,可以对观看广告的用户建立“人脸画像”,提取出年龄、性别等特征,同一特征的用户群体对广告存在相同的偏好,如女性可能对化妆品类的广告更感兴趣。根据这一应用情况,本文提出了一种基于“人脸画像”的广告推荐概率模型,通过人脸识别技术识别用户的人脸特征,推荐用户可能感兴趣的广告。首先,提出了“人脸画像”与广告的语义相似度推荐模型,根据“人脸画像”属性与广告描述特征的相关度进行冷启动推荐,并通过基于内容的推荐算法学习用户感兴趣的广告特征,不断改善模型的推荐效果;其次,根据用户观看广告时长提出了用户反馈推荐模型,用户观看广告的时间越长,对广告感兴趣的可能性越高,模型采用协同过滤算法分析用户的历史观看记录,进行广告推荐;再次,对广告的播放历史大数据分析提出了时间密度推荐模型,通过DBSCAN算法对广告历史播放记录分析,对广告播放时间进行聚类,找出当前广告最有可能被观看的时间段。最后根据上述三种模型不同的适用场景,将模型按概率进行融合,提出一种基于“人脸画像”的概率推荐模型。通过实验对比,有推荐的广告机播放系统比无推荐的广告机播放系统日平均观看率提高了 1.59%,日平均观看时长比率提高了 0.33%,通过实践应用检验了基于人类画像的广告推荐算法的有效性。
【图文】：

人脸检测,示例,检测方法

果就差了很多，现在比较流行的检测方法是基于深度学习的检测方法，算法原理逡逑可以概括成通过…定策略裁剪待检测图像，将哉剪后的图片通过深度人脸－非人逡逑脸二分类器训练，判定候选区域是否足人脸。如图２．丨所示即人脸检测效果。逡逑W逡逑图２．１人脸检测示例逡逑

流程图,画像,流程

逡逑根据用户画像，可以做到精准营销，广告主可以通过标签进行广告的精准投逡逑放；可以分析产品的受众，，通过对产品的历史交互记录分析，得出产品的受众；逡逑可以分析行业动态，比如学生群里的消费偏好、不同地域的消费差异。互联网企逡逑业的用户画像主要通过用户定义与数据挖掘的方法来获取用户画像，用户定义是逡逑指用户在注册时提交的个人信息、偏好信息，或者浏览时所用的ｉｐ信息、设备逡逑信息等，数据挖掘方法是指通过用户的浏览记录、消费习惯或用户关联分析进行逡逑挖掘用户画像。逡逑本文给“人脸画像”的定义是由人脸识别获取的用户画像，叫做“人脸画像”，逡逑并根据不同的理解，给出了狭义的定义与广义的定义。逡逑狭义的定义：通过人脸识别技术提取的用户属性特征，比如年龄、性别、还逡逑有人体识别等技术获取的衣着、身高等特征叫做狭义的“人脸画像”。逡逑狭义的“人脸画像”获取流程一般如图２．２所示。逡逑
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.3

【参考文献】