基于用户兴趣的电子商务广告推荐模型研究与应用

发布时间：2023-11-12 15:28

　　商品交易网站的快速发展,促使各种电商营销方式的出现,网络广告便是其中之一。然而,目前网络广告广撒网式的投放模式,导致广告点击率和转化率偏低,广告投放资源浪费严重。在广告投放的精准化需求的推动下,网络定向广告应运而生。其主要思想为通过现有信息技术挖掘用户显隐式信息,构建相应用户兴趣模型,进而推荐与用户兴趣模型匹配度较高的广告。当前网络定向广告系统,普遍存在用户兴趣特征提取不明显、匹配度计算难等关键技术瓶颈,导致广告投放效率低下。因此,研究并设计出效率高、可保留高重要度用户兴趣特征模型,对广告精准投放系统的实现具有重要的理论意义和应用价值。本文主要研究内容如下:(1)分析现有特征方法的优化方式,提出融合蜂群和梯度提升决策树算法的特征选择方法。本文利用该方法优化复杂电商环境下的用户全网行为特征,甄选高重要度特征,并以其重要度作为行为特征权重。(2)研究用户访问历史网页内容,借助中文分词、停用词过滤技术提取用户兴趣特征词,联合优化后的用户全网行为特征,构建基于改进向量空间模型的用户兴趣模型,实现用户兴趣的多重体现。(3)针对特征词语义失配问题,提出基于知识图谱的语义扩展和相似度计算方法。该方法...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 用户兴趣模型研究现状
        1.2.2 网络定向广告研究现状
    1.3 研究内容
    1.4 论文组织结构
第二章 相关理论
    2.1 特征选择方法
    2.2 用户兴趣模型
    2.3 向量空间模型
    2.4 基于知识图谱的语义相关度计算
    2.5 本章小结
第三章 融合蜂群和梯度提升决策树算法的特征选择方法
    3.1 引言
    3.2 特征选择算法
        3.2.1 梯度提升决策树算法
        3.2.2 人工蜂群算法
    3.3 MABC-GBDT方法
        3.3.1 算法思想
        3.3.2 算法设计
        3.3.3 算法步骤
    3.4 实验结果与分析
        3.4.1 实验数据集
        3.4.2 实验环境及参数设置
        3.4.3 实验结果分析
    3.5 本章小结
第四章 基于用户兴趣的广告精准推荐模型
    4.1 引言
    4.2 用户数据收集
        4.2.1 用户标签数据
        4.2.2 用户行为数据
    4.3 基于改进VSM的用户兴趣模型
        4.3.1 基于中文分词和停用词过滤的标签数据处理
        4.3.2 基于MABC-GBDT方法的全网行为特征优化
        4.3.3 基于用户全网行为特征的向量空间模型
    4.4 基于知识图谱的用户兴趣特征扩展
        4.4.1 基于知识图谱的语义相关度算法
        4.4.2 扩展特征词权重计算
        4.4.3 用户兴趣模型与广告特征匹配
    4.5 实验结果与分析
        4.5.1 基于知识图谱的用户兴趣特征语义相关度计算
        4.5.2 基于用户兴趣模型的广告投放效果评估
    4.6 本章小结
第五章 电子商务广告推荐系统设计与实现
    5.1 引言
    5.2 系统需求分析与结构设计
        5.2.1 需求分析
        5.2.2 系统流程设计
        5.2.3 系统总体架构设计
        5.2.4 系统功能模块设计
    5.3 电子商务广告推荐系统的实现
        5.3.1 系统开发环境与技术
        5.3.2 广告推荐系统模块展示
        5.3.3 广告推荐系统推荐效果展示
    5.4 本章小结
第六章 总结和展望
    6.1 总结
    6.2 展望
参考文献
个人简介
攻读硕士学位期间的学术活动及成果



本文编号：3863429