基于社会正则的行为定向

摘要

行为定向又称为兴趣定向,是在线广告的一种有效投放手段,主要指网络媒体或广告联盟网络根据用户的历史行为信息为用户投放其感兴趣的广告.针对行为数据具有稀疏性这一特点,提出一种新的融合社会信息与用户历史行为信息的行为定向方法.该方法的基本思想是基于Homophily理论:朋友之间对某一事物的喜好或态度具有一定的相似性,单个用户对该事物的喜好可通过其朋友们对该事物的态度来判断.首先将行为定向看作一个优化问题—采用泊松回归建模用户对广告的浏览和点击次数,并通过使数据似然最大的方法构建目标函数;然后将社交网络的朋友关系数据抽象为社会正则项,并将该正则项作为优化问题的一部分,以建模朋友之间的相互影响.本文中,根据朋友们喜好的相似度差异提出两个社会正则项:均值正则项——朋友们的喜好相似度较高;个体正则项——朋友们的喜好相似度差异较大.将这两个社会正则项分别加到上述优化问题中,对应均值模型和个体模型.实验表明这两个模型的性能要优于传统的只使用用户历史行为信息的行为定向方法;尤其当用户的历史行为数据稀疏时,模型在点去率提升度上比传统方法提高了5％的精度.