基于分类模型的广告推荐方法研究

发布时间：2017-05-17 16:20

  本文关键词：基于分类模型的广告推荐方法研究，由笔耕文化传播整理发布。

【摘要】：伴随着互联网数据爆炸式地增长,用户面对的信息量和种类也越来越多,海量数据挖掘技术在个性化推荐系统中的应用成为了一个研究热点。 本文首先总结了常见的几类推荐方法,主要包括协同过滤方法、基于内容的推荐方法和混合推荐方法,以及它们涉及到的数据挖掘技术,并分析了这几类方法的优点与不足。在此基础上,本文从广告推荐问题入手,介绍了计算广告的相关概念和方法,并引出了两种基于内容的广告推荐方法,即单标记分类模型和多标记分类模型。 论文的主要工作如下。第一,我们结合Hadoop平台实现了针对某互联网公司提供的广告日志数据的可视化统计与分析工具,利用该工具对数据进行分析并发现了特征之间和广告之间的依赖关系。第二,提出了利用非广告特征和广告特征依赖关系的单标记分类模型的一种改进方法,其利用了互信息来选择组合特征从而加入特征之间的依赖关系。第三,提出了利用广告之间依赖关系的多标记分类模型改进方法,其通过一种启发式的方法来构建分类器链从而更好地利用广告之间的依赖关系。最后,在Hadoop平台上的设计了相关实验,实验结果表明这两种改进方法都能够比改进前的方法得到更好的结果。因此,无论是特征之间还是广告之间的依赖关系,都是广告推荐问题中不可忽视的影响因素。
【关键词】：数据挖掘 推荐系统 多标记分类
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 致谢5-6
• 中文摘要6-7
• ABSTRACT7-10
• 1 引言10-12
• 1.1 研究背景和意义10-11
• 1.2 本文主要工作11
• 1.3 本文组织结构11-12
• 2 推荐系统综述12-23
• 2.1 问题定义13-14
• 2.2 协同过滤推荐14-17
• 2.2.1 相似度计算15-16
• 2.2.2 冷启动问题16-17
• 2.2.3 数据稀疏性17
• 2.3 基于内容的推荐17-20
• 2.3.1 特征提取18
• 2.3.2 效用函数与模型18-19
• 2.3.3 制约因素19-20
• 2.4 混合型推荐20-21
• 2.4.1 两种独立方法的结合20
• 2.4.2 协同过滤中加入内容特性20
• 2.4.3 基于内容方法中加入协同过滤20-21
• 2.4.4 建立单个统一的推荐模型21
• 2.5 本章总结21-23
• 3 在线广告推荐23-33
• 3.1 计算广告24-25
• 3.2 点击率(CTR)预估25-28
• 3.2.1 点击率预估的意义25-26
• 3.2.2 点击率预估框架26-28
• 3.3 基于分类器的广告推荐28-32
• 3.3.1 情景感知(Context-Aware)28-29
• 3.3.2 传统分类模型29-30
• 3.3.3 多标记分类模型30-32
• 3.4 本章总结32-33
• 4 基于分类器的方法改进33-48
• 4.1 单标记分类模型改进——NBkPlus算法33-39
• 4.1.1 朴素贝叶斯33-35
• 4.1.2 特征间的依赖关系35-38
• 4.1.3 一种基于互信息的改进38-39
• 4.2 多标记分类模型改进—OCC算法39-47
• 4.2.1 分类器链算法40-42
• 4.2.2 广告间的依赖关系42-44
• 4.2.3 一种启发式的改进44-47
• 4.3 本章总结47-48
• 5 实验及结果分析48-59
• 5.1 实验平台48-49
• 5.2 实验数据49-52
• 5.2.1 数据特征50
• 5.2.2 数据可视化工具50-52
• 5.3 评价指标52-53
• 5.4 NBkPlus算法结果及分析53-55
• 5.4.1 特征间的互信息53-55
• 5.4.2 AUC结果及分析55
• 5.5 OCC算法结果及分析55-58
• 5.5.1 广告数据集实验55-56
• 5.5.2 多标记标准测试集实验56-58
• 5.6 本章总结58-59
• 6 总结与展望59-60
• 参考文献60-64
• 作者简历64-66
• 学位论文数据集66

【参考文献】

中国期刊全文数据库 前2条

1 周傲英;周敏奇;宫学庆;;计算广告:以数据为核心的Web综合应用[J];计算机学报;2011年10期

2 李哲;王志海;何颖婧;付彬;;一种启发式多标记分类器选择与排序策略[J];中文信息学报;2013年04期

  本文关键词：基于分类模型的广告推荐方法研究，，由笔耕文化传播整理发布。

本文编号：373826