基于标签的个性化广告精准营销系统设计与实现

摘要

广告投放的效率问题一直是广告商/代理商们关注的焦点。从根本上说，决定广告投放效率的是广告的投放选择策略。传统的广告投放没有考虑到用户的行为兴趣特征，这给广告投放的透明性和精准性设置了障碍。随着大规模数据的产生及人工智能技术的发展，个性化的精准广告投放已经成为了网络广告发展的必然趋势。个性化的精准广告投放系统的实现对增加广告商/代理商的投资回报率，增加用户点击量及网站的利润，推动广告投放领域产生根本的变革具有重大的意义。　　本文首先对网络广告和个性化广告的特点及发展进行了研究，并结合数据挖掘和智能推荐技术的相关理论，提出了以用户浏览行为来提取用户兴趣特征的个性化精准广告营销算法。该算法根据用户浏览广告的行为记录获取用户感兴趣的广告标签tag，以广告标签为基本计量维度，使用TF-IDF加权的方法计算广告标签的权重和用户对标签的兴趣度。并通过用户兴趣变化函数、转化率等参数过滤修正用户对tag的兴趣度，从而建立广告资源向量和用户兴趣爱好模型向量。　　其次，本文对K-means算法进行了改进，并使用改进后的算法对有相似兴趣爱好的用户聚类。在聚类中心点的选择上，采用递推的方式，获得相似兴趣用户簇集合的初始中心点，从而提高聚类结果的稳定性。为了降低系统计算的时间复杂度，本文提出了基于map/reduce的并行计算方法来计算用户兴趣的相似性。　　最后，本文以所提出的算法思想为基础，设计并实现了基于标签的个性化精准广告营销系统原型。本文详细介绍了系统的逻辑结构设计、数据流图、数据库设计以及相应的功能模块（广告模块、管理员模块、受众兴趣分析等模块）。并详细阐述了并行化处理用户兴趣向量、并行化实现K-means聚类用户和消息队列技术。目前本系统处于测试阶段，测试结果表明该系统能实现个性化的广告投放，解决了以往广告投放定位不准确、用户兴趣度低的问题，提高了广告的点击率，满足了精准营销的需求。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外发展现状

1．2．1 国外网络广告投放现状

1．2．2 国内网络广告投放现状

1．3 论文研究的内容

第2章 基本理论及相关技术

2．1 网络广告概述

2．2 网络广告角色模型

2．3 个性化网络广告

2．3．1 个性化网络广告概述

2．3．2 个性化网络广告表现形式

2．4 关键技术

2．4．1 智能推荐技术

2．4．2 数据挖据技术

2．4．3 CSP技术

2．4．4 hadoop技术

2．5 本章小结

第3章 算法研究

3．1 用户偏好模型

3．1．1 用户兴趣变化函数

3．1．2 广告tag向量化

3．1．3 用户tag向量化

3．1．4 用户兴趣模型

3．2 个性化广告推荐方法

3．2．1 基于k-means的相似用户聚类

3．2．2 广告推荐方法

3．3 并行聚类策略

3．3．1 并行计算用户偏好向量

3．3．2 并行K-means初始中心点选择

3．3．3 并行K-means聚类

3．3．4 推荐广告

3．4 本章小结

第4章 系统设计

4．1 需求分析

4．2 系统设计

4．2．1 逻辑结构设计

4．2．2 数据流图

4．3 功钱模块设计

4．3．1 广告模块

4．3．2 受众模块

4．3．3 管理员模块

4．4 数据库设计

4．5 本章小结

第5章 个性化广告精准营销系统实现

5．1 开发环境或设备设施

5．2 部分模块实现

5．2．1 用户偏好模型实现

5．2．2 K-means初始中心点选择

5．2．3 K-means用户聚类实现

5．2．4 消息队列设计

5．3 主要功麓界面

5．4 效果测试

5．5 本章小结

第6章 总结

6．1 工作总结

6．2 工作展望

参考文献

校期间发表的论文、科研成果等

致谢