移動環(huán)境下基于情境感知的廣告推薦系統(tǒng).pdf

1、近年來，隨著移動智能終端設(shè)備的迅速普及，移動互聯(lián)網(wǎng)產(chǎn)業(yè)得到了蓬勃發(fā)展。作為移動互聯(lián)網(wǎng)產(chǎn)業(yè)重要盈利手段的移動互聯(lián)網(wǎng)廣告受到愈來愈多地重視，衍生出許多新的商業(yè)模式。在移動互聯(lián)網(wǎng)廣告中存在信息過載問題，用戶數(shù)據(jù)與廣告數(shù)據(jù)規(guī)模巨大，廣告主面對數(shù)量巨大的用戶，若不能對用戶進行精準定向，單純依靠大量投放廣告，會造成投放成本的浪費；同時，用戶也不能在海量廣告中找到自身真正需要的廣告。通過個性化廣告推薦系統(tǒng)，可以解決互聯(lián)網(wǎng)廣告中存在的信息過載問題。本文

2、研究移動環(huán)境下的互聯(lián)網(wǎng)廣告推薦技術(shù)，主要創(chuàng)新工作如下：
　　（1）提出了一種基于用戶瀏覽行為的廣告推薦方法。該方法針對移動互聯(lián)網(wǎng)合約廣告市場形式售賣用戶標簽的特點，收集用戶最近一段時間的網(wǎng)頁瀏覽內(nèi)容，并采集用戶的廣告點擊行為，根據(jù)用戶瀏覽行為建立用戶間的相似性模型；進一步，通過記憶遺忘規(guī)律對所提出用戶相似性模型進行優(yōu)化，依據(jù)該模型向用戶提供個性化廣告推薦；對一組真實數(shù)據(jù)進行實驗，記錄模型構(gòu)建的時間，并計算廣告推薦結(jié)果的F-meas

3、ure值，實驗表明，該模型在合約廣告市場形式下具有良好的效果。
　?。?）提出了一種新的貝葉斯概率模型廣告推薦方法。該方法融合了移動環(huán)境下互聯(lián)網(wǎng)廣告用戶情境信息，將貝葉斯概率模型引入到廣告推薦算法中；同時，針對用戶情境信息量大、信息種類繁雜的問題，采用信息增益來對屬性進行剪枝，有效消除情境冗余信息，提高了貝葉斯模型構(gòu)建效率；對真實數(shù)據(jù)進行實驗，記錄模型構(gòu)建時間，并計算廣告推薦結(jié)果的F-measure值，實驗表明，該方法具有較好的時