本文關(guān)鍵詞：基于局部社區(qū)發(fā)現(xiàn)的微信朋友圈信息流廣告推薦算法研究

  更多相關(guān)文章： 社區(qū)發(fā)現(xiàn) 微信 廣告 Igraph

【摘要】：隨著信息技術(shù)的快速發(fā)展,網(wǎng)絡(luò)已融入到人們的日常生活之中,各種各樣的社交網(wǎng)絡(luò)平臺(tái)不斷涌現(xiàn),社交媒體已成為現(xiàn)代企業(yè)營(yíng)銷(xiāo)的重要渠道之一。利用大型復(fù)雜網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)技術(shù),可以有效識(shí)別社交網(wǎng)絡(luò)中的興趣社區(qū),為企業(yè)和消費(fèi)者之間的溝通架起了一座橋梁。微信是當(dāng)今中國(guó)最火的社交媒體平臺(tái),越來(lái)越多的企業(yè)通過(guò)微信朋友圈信息流廣告來(lái)向消費(fèi)者傳播品牌信息。由于這種新型的廣告模式上線時(shí)間較短,消費(fèi)者普遍反映收到的產(chǎn)品廣告與自己的消費(fèi)需求不符。基于此,本研究致力于找到一種新的用戶(hù)選擇算法用于提高微信朋友圈信息流廣告推薦系統(tǒng)的精準(zhǔn)性。本文首先對(duì)復(fù)雜網(wǎng)絡(luò)中的典型的社區(qū)發(fā)現(xiàn)算法進(jìn)行了回顧,通過(guò)比較其優(yōu)缺點(diǎn),發(fā)現(xiàn)基于全局的社區(qū)發(fā)現(xiàn)算法需要預(yù)先了解社區(qū)的相關(guān)信息,計(jì)算復(fù)雜度高、耗時(shí)長(zhǎng),而基于局部的社區(qū)發(fā)現(xiàn)算法具有計(jì)算速度快、需要信息少、復(fù)雜度低等優(yōu)點(diǎn)。在此基礎(chǔ)上,對(duì)微信現(xiàn)有朋友圈信息流廣告推薦算法的不足進(jìn)行了分析,結(jié)合微信網(wǎng)絡(luò)的特點(diǎn),本文借鑒L-殼算法提出了一種基于局部社區(qū)發(fā)現(xiàn)的微信網(wǎng)絡(luò)廣告目標(biāo)社區(qū)發(fā)現(xiàn)算法。算法從目標(biāo)微信公眾號(hào)開(kāi)始,首先搜尋到該公眾號(hào)的所有關(guān)注者作為第一層節(jié)點(diǎn)添加到目標(biāo)社區(qū)中,再利用算法找到所有第一層節(jié)點(diǎn)的鄰居節(jié)點(diǎn)作為第二層節(jié)點(diǎn)將其添加到目標(biāo)社區(qū)中,然后以局部社區(qū)模塊度M為評(píng)價(jià)指標(biāo)對(duì)第二層節(jié)點(diǎn)進(jìn)行選擇,最后將目標(biāo)微信公眾號(hào)、第一層節(jié)點(diǎn)和優(yōu)化后的第二層節(jié)點(diǎn)結(jié)合在一起作為微信廣告的目標(biāo)社區(qū)。本文對(duì)L-殼算法做了三點(diǎn)改進(jìn)：首先,在初始節(jié)點(diǎn)選擇上,指定以目標(biāo)微信公眾號(hào)為初始節(jié)點(diǎn)；其次,在停止標(biāo)準(zhǔn)設(shè)定上,采用廣度優(yōu)先寬度為2的方式對(duì)用戶(hù)篩選后停止；最后,在社區(qū)節(jié)點(diǎn)篩選上,采用模塊度M這一客觀指標(biāo)對(duì)節(jié)點(diǎn)進(jìn)行篩選。研究運(yùn)用Igraph軟件進(jìn)行網(wǎng)絡(luò)的分析和可視化處理,在已知網(wǎng)絡(luò)結(jié)構(gòu)的空手道網(wǎng)絡(luò)、人人網(wǎng)絡(luò)、海豚社會(huì)網(wǎng)絡(luò)和美國(guó)政治書(shū)籍網(wǎng)絡(luò)上運(yùn)行了本算法。用發(fā)現(xiàn)社區(qū)的質(zhì)量作為廣告效果,以認(rèn)可度最高的Newman提出的模塊度Q和算法運(yùn)行時(shí)間為評(píng)價(jià)指標(biāo),和典型的Infomap算法、Fastunfloding算法、標(biāo)簽傳播算法、模塊度矩陣譜聚類(lèi)、自旋玻璃算法、Walktrap算法、GN算法、快速貪婪算法的運(yùn)算結(jié)果進(jìn)行了對(duì)比。結(jié)果表明,本算法能夠正確識(shí)別節(jié)點(diǎn)的社區(qū)歸屬,發(fā)現(xiàn)的社區(qū)有著較好的社區(qū)結(jié)構(gòu),以局部社區(qū)模塊度M為節(jié)點(diǎn)的刪除標(biāo)準(zhǔn)可以有效識(shí)別出邊界節(jié)點(diǎn),算法的運(yùn)行時(shí)間比軟件內(nèi)置的社區(qū)發(fā)現(xiàn)算法的運(yùn)行時(shí)間長(zhǎng)。此外,本文的研究結(jié)果還驗(yàn)證了張婷娜(2010)的研究結(jié)論：隨機(jī)網(wǎng)絡(luò)雖然理論上沒(méi)有社區(qū)結(jié)構(gòu)特性,但是仍有可能出現(xiàn)模塊度較大的分割；Newman的模塊度不適合用來(lái)測(cè)量社區(qū)差異較大的網(wǎng)絡(luò)。最后,對(duì)研究進(jìn)行了總結(jié),為企業(yè)和用戶(hù)提出了相關(guān)建議,并對(duì)未來(lái)的研究方向進(jìn)行了展望。
【關(guān)鍵詞】：社區(qū)發(fā)現(xiàn) 微信 廣告 Igraph
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.3;F713.8
【目錄】：

• 摘要2-4
• ABSTRACT4-8
• 1 緒論8-13
• 1.1 研究背景和意義8-11
• 1.2 研究?jī)?nèi)容11-12
• 1.3 研究難點(diǎn)與創(chuàng)新點(diǎn)12-13
• 2 文獻(xiàn)綜述13-31
• 2.1 社區(qū)的定義13-16
• 2.2 社區(qū)發(fā)現(xiàn)方法16-27
• 2.3 社區(qū)發(fā)現(xiàn)評(píng)價(jià)指標(biāo)27-31
• 2.4 現(xiàn)有研究述評(píng)31
• 3 微信及朋友圈信息流廣告相關(guān)介紹31-39
• 3.1 微信用戶(hù)特性和網(wǎng)絡(luò)特點(diǎn)31-34
• 3.2 信息流廣告相關(guān)介紹34-39
• 4 基于局部社區(qū)發(fā)現(xiàn)的朋友圈信息流廣告推薦算法構(gòu)建39-51
• 4.1 局部社區(qū)發(fā)現(xiàn)方法39-44
• 4.2 推薦算法的選擇44-47
• 4.3 對(duì)L-殼算法的改進(jìn)47-49
• 4.4 推薦算法實(shí)現(xiàn)49-51
• 5 實(shí)驗(yàn)及結(jié)果分析51-65
• 5.1 實(shí)驗(yàn)環(huán)境53
• 5.2 評(píng)價(jià)指標(biāo)53-54
• 5.3 結(jié)果與分析54-64
• 5.4 算法效果評(píng)價(jià)64-65
• 6 研究總結(jié)與展望65-69
• 6.1 研究總結(jié)65-66
• 6.2 研究啟示66-67
• 6.3 展望67-69
• 參考文獻(xiàn)69-73
• 附錄73-84
• 本文算法Python代碼73-75
• 典型社區(qū)發(fā)現(xiàn)算法Python調(diào)用代碼75-80
• 典型算法空手道網(wǎng)絡(luò)輸出結(jié)果圖80-81
• 典型算法人人網(wǎng)絡(luò)輸出結(jié)果圖81-82
• 典型算法海豚社會(huì)網(wǎng)絡(luò)輸出結(jié)果圖82-83
• 典型算法美國(guó)政治書(shū)籍網(wǎng)絡(luò)輸出結(jié)果圖83-84
• 致謝84-85

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 吳英駿;黃翰;郝志峰;陳豐;;Local Community Detection Using Link Similarity[J];Journal of Computer Science & Technology;2012年06期

，

本文編號(hào)：908921