基于DSP平台的个性化广告推荐——用户兴趣模型研究

摘要

近年来以RTB（实时竞价）为主导的新兴广告投放模式推动着广告业的快速发展，DSP（需求方平台）是RTB中提供广告投放的平台，它帮助广告主寻找合适的目标人群以提高投资回报率。DSP具备语义定向、行为定向、重定向等多种定向手段，其中行为定向通过分析用户的行为和浏览内容获取用户的兴趣偏好，进而投放与兴趣相关的广告，因此对用户建立兴趣模型是提高行为定向中广告投放效果的重要研究内容。
　　兴趣模型需要结合用户浏览的网页文本内容和行为度量来表示。目前相关的研究将向量空间模型作为网页的文本表征方法，以用户的浏览行为作为衡量用户对网页兴趣度的重要指标，通过将向量空间模型和浏览行为度量结合来体现用户对网页的兴趣程度，但这种方法忽略了用户兴趣的动态变化过程，影响了广告投放的精准度。针对这类问题，本文具体的研究工作主要分为以下几点：
　　1.基于向量空间模型和浏览行为度量构建用户兴趣模型。首先分析用户的浏览行为，选取用户的保存、打印或收藏行为、网页浏览次数和浏览时间作为兴趣度的衡量标准，然后结合预处理后的向量空间模型建立用户兴趣模型。考虑到需要区分用户不同时间段的兴趣度，在此模型的基础上进行了改进。
　　2.在用户兴趣模型的基础上结合兴趣流模型建立动态兴趣模型。针对用户兴趣变化的问题，目前研究者们已经提出了不少体现动态兴趣的方法，但这些方法通常依赖于参数的选取，无法自适应地反映用户兴趣的动态变化过程。本文分析并改进了一种兴趣流模型，并将该模型结合艾宾浩斯遗忘曲线加入用户兴趣模型中以构建动态兴趣模型。
　　3.将动态兴趣模型应用在个性化广告推荐中进行广告匹配。目前定向广告的研究集中在文本广告，而DSP广告只有广告关键词，传统的文本表征方法无法适用在DSP广告中，为此本文利用短文本相似度方法计算广告关键词的权重，并依据聚类方法提取的兴趣簇与广告进行匹配。
　　本文以用户浏览记录和广告作为实验数据，使用个性化广告推荐方法进行广告匹配实验。实验结果表明动态兴趣模型可以有效捕捉用户的兴趣变化，同时提高广告匹配的精准度。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文研究的内容

1.4 本文章节安排

第2章 基于用户浏览行为的用户兴趣模型

2.1 向量空间模型

2.2 用户浏览行为分析

2.3 结合浏览行为的用户兴趣模型

2.4 本章小结

第3章 基于兴趣流的动态兴趣模型

3.1 用户动态兴趣研究

3.2 改进的兴趣流模型

3.3 动态兴趣模型

3.4 本章小结

第4章 个性化广告推荐

4.1 个性化广告推荐流程概述

4.2 短文本相似度度量

4.3 DSP广告特征分析

4.4 用户兴趣特征提取算法

4.5 扩展词权重计算

4.6 个性化广告匹配

4.7 本章小结

第5章 实验结果与分析

5.1 实验设置

5.2 结果与分析

5.3 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献