基于用户模型的个性化广告推荐技术研究

摘要

随着互联网的快速普及和智能携带产品的推广，越来越多的人投入到互联网中，互联网成为现代广告业务的新载体。互联网广告投放具有效益高、覆盖面广等特点，因此受到前所未有的关注。传统的互联网广告投放充满着随机性和不确定性，导致用户在上网的时候面临着铺天盖地的广告，降低了用户的上网体验，造成了广告位的转化率低等问题。为了提升用户体验，研究者提出了个性化广告推荐技术，并成为了近年来的研究热点。个性化广告推荐技术的核心是用户模型，个性化广告服务的质量与用户模型的精确性有直接相关性。本文提出了基于显隐式信息结合的用户模型的个性化广告推荐技术。开展了如下研究工作：　　(1)提出一种改进的隐式建模方法。传统的隐式建模方法将用户所有的日志信息作为建模信息。改进的隐式建模方法对用户上网日志进行分析，将查询词与历史文档进行相似性对比，过滤掉相似性值较小的文档，提高用户兴趣模型精确度。　　(2)提出了显隐式信息相结合的用户建模技术。显隐式信息结合的用户建模首先是根据用户提交的用户信息初始化用户模型，然后通过对用户上网历史信息进行分析，构建隐式用户模型，对初始用户模型进行更新。　　(3)提出了一种基于用户模型的协同过滤广告推荐算法。协同过滤技术是根据用户-项目评分矩阵，挖掘出用户相似集合，通过近邻集合中兴趣相近的用户给目标用户推荐信息。本文将上面提出的用户兴趣模型应用到协同过滤算法中，利用用户模型矩阵替代评分矩阵，实验结果表明基于用户模型的协同过滤推荐算法能够提升广告推荐的精确度。

目录

声明

第一章 绪论

1.1 研究背景

1.2 研究目的及意义

1.3 国内外研究现状

1.4 论文主要研究内容及创新点

1.5 本文组织结构

第二章 相关研究

2.1 用户兴趣建模流程

2.2 用户兴趣建模技术分析

2.3 推荐技术

2.4 本章小结

第三章 基于显隐式信息结合的用户兴趣模型构建

3.1 基于显式信息的用户兴趣建模

3.2 改进的隐式建模方法

3.3 显隐式信息结合的用户兴趣建模方法

3.4 实验结果与分析

3.5 本章小结

第四章 基于用户模型的协同过滤个性化广告推荐技术

4.1 协同过滤推荐技术

4.2基于用户模型的协同过滤个性化广告推荐技术

4.3 实验设计与分析

4.4 本章小结

第五章 总结与展望

5.1 总结

5.2展望

参考文献

攻读学位期间主要的研究成果

致谢