【摘要】：分眾營(yíng)銷是針對(duì)傳統(tǒng)營(yíng)銷的一種突破,其強(qiáng)調(diào)精確、細(xì)分、實(shí)效。微博則是近幾年最流行的新興網(wǎng)絡(luò)媒介,其信息傳播速度之快,用戶參與程度之高,用戶凝聚力之強(qiáng)大,正好與分眾營(yíng)銷所需的條件不謀而合。 本文首先分析了課題的背景與現(xiàn)狀,對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了詳細(xì)的分析。隨后針對(duì)分眾營(yíng)銷,描述了分眾營(yíng)銷的基本概念和分眾營(yíng)銷的基本流程,總結(jié)了分眾營(yíng)銷的特點(diǎn)。針對(duì)微博,描述了微博的基本概念,總結(jié)了微博的基本數(shù)據(jù)關(guān)系,分析了微博的核心,個(gè)性化推薦系統(tǒng)。針對(duì)微博營(yíng)銷,分析了微博營(yíng)銷的前景與特點(diǎn),給出了微博營(yíng)銷常用的技巧與策略,分析了幾個(gè)經(jīng)典的微博營(yíng)銷案例,最后提出了微博分眾營(yíng)銷。 文章針對(duì)微博的圈子的形成,提出了一種基于用戶人口統(tǒng)計(jì)學(xué)特征和發(fā)表內(nèi)容相關(guān)的聚類分析算法UAFCC,給出了算法的詳細(xì)公式,實(shí)現(xiàn)以及應(yīng)用,在UAFCC聚類的結(jié)果上,詳細(xì)的分析了微博中的個(gè)性化推薦系統(tǒng)中使用的個(gè)性化推薦算法,總結(jié)了推薦算法的重點(diǎn)與難點(diǎn)問(wèn)題,針對(duì)微博系統(tǒng),在基于協(xié)同過(guò)濾和內(nèi)容分析的前融合算法框架之下,設(shè)計(jì)了新的效用函數(shù),提出了一個(gè)新的推薦框架。 論文最后對(duì)全文做出了總結(jié),并對(duì)未來(lái)研究方向進(jìn)行了展望。
【圖文】：

華南理工大學(xué)碩士學(xué)位論文公式（3.1）中，模糊指數(shù)用σ 代替，該值可以指定，σ =1 意味著精確聚類，與 K-Mean算法相似，σ 值越大代表聚類質(zhì)量越低，σ 值的推薦系統(tǒng)中用戶屬性確定，由于我們不可能做到精確聚類，所以我們將取 σ = 2。3.2.2 UAFCC 算法編程實(shí)現(xiàn)本實(shí)驗(yàn)采用 Eclipse 為平臺(tái)，Java 為編程語(yǔ)言，代碼較長(zhǎng)，本文貼出部分關(guān)鍵代碼見附錄 I，算法流程圖如下：

CBCB 算法的驗(yàn)證我們采用第三章中使用的數(shù)據(jù)集 DS，通過(guò)算法隨機(jī)填充數(shù)據(jù)，，包括 6040 個(gè)獨(dú)3867 種產(chǎn)品，約 100 萬(wàn)次評(píng)分。目前最通用的評(píng)價(jià)推薦算法和推薦系統(tǒng)質(zhì)量的方法為計(jì)算平均絕對(duì)誤差 MAE，法為：1| |Ni iip qMAEN= =∑（其中，N 為推薦系統(tǒng)中的 Top-N 數(shù)量，ip為預(yù)測(cè)評(píng)分，iq為用戶實(shí)際評(píng)分。我們?cè)?DS 數(shù)據(jù)集中隨機(jī)抽取 2000 條數(shù)據(jù)記錄，最近鄰 X 對(duì)算法（用戶對(duì)象象的屬性是確定的，其人口統(tǒng)計(jì)學(xué)特征在聚類中已考慮）的影響如下圖：數(shù)據(jù)集大小對(duì)算法的影響如圖：
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：F49;F274

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前3條

1 陳曉明;企業(yè)微博客營(yíng)銷效果的影響因素分析[D];暨南大學(xué);2012年

2 熊會(huì)會(huì);基于復(fù)雜網(wǎng)絡(luò)的微博客信息傳播機(jī)制研究[D];華南理工大學(xué);2012年

3 段超龍;微博營(yíng)銷初探[D];四川省社會(huì)科學(xué)院;2012年

本文編號(hào)：2653537