本文關(guān)鍵詞： 種子人群 行為相似人群 鄰居選取策略 用戶相似度 人群定向　出處：《計算機研究與發(fā)展》2017年07期 　論文類型：期刊論文

【摘要】：人群定向是廣告推薦系統(tǒng)中的一種重要技術(shù),它是通過分析種子人群的行為數(shù)據(jù),找出潛在的目標人群,而現(xiàn)有人群定向算法大多依賴于傳統(tǒng)的協(xié)同過濾推薦算法.由于傳統(tǒng)的協(xié)同過濾算法具有推薦精度低和抗攻擊能力較弱的問題,為了解決這些問題,提出了一種基于鄰居選取策略的人群定向算法.1)通過用戶行為相似,動態(tài)選擇出與種子人群具有相似行為的用戶;2)以用戶特征和用戶行為作為鄰居選取的依據(jù),通過用戶相似度從行為相似人群中選擇出每個種子用戶的鄰居,并將所有的相似鄰居作為候選人群;3)通過基于鄰居選取策略的人群定向算法,從候選人群中擇出潛在的目標用戶,以完成人群定向.實驗結(jié)果表明:與現(xiàn)有方法相比,該方法不僅提高了人群定向的精度,而且也增強了系統(tǒng)的抗攻擊能力.
[Abstract]:Crowd orientation is an important technology in advertising recommendation system. It can find out the potential target population by analyzing the behavior data of seed population. Most of the existing crowd orientation algorithms rely on the traditional collaborative filtering recommendation algorithm. Because the traditional collaborative filtering algorithm has the problems of low recommendation accuracy and weak anti-attack ability, in order to solve these problems. A crowd orientation algorithm based on neighbor selection strategy. 1) dynamically selecting users with similar behavior to seed populations through user behavior similarity; 2) based on the user characteristics and user behavior as the basis of neighbor selection, the neighbors of each seed user are selected from the behavior similarity group by user similarity, and all similar neighbors are selected as candidate groups; 3) through the crowd orientation algorithm based on neighbor selection strategy, the potential target users are selected from the candidate population to complete the crowd orientation. The experimental results show that: compared with the existing methods. This method not only improves the accuracy of crowd orientation, but also enhances the anti-attack ability of the system.
【作者單位】： 武漢大學(xué)計算機學(xué)院;漢口學(xué)院計算機科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金項目(61272277)~~
【分類號】：TP391.3
【正文快照】： 目前隨著互聯(lián)網(wǎng)的發(fā)展,互聯(lián)網(wǎng)廣告的數(shù)據(jù)資源以驚人的速度增長,為了解決廣告主向目標用戶投放廣告的需求,人群定向技術(shù)應(yīng)運而生.人群定向主要通過現(xiàn)有用戶的行為,找出未來潛在的目標人群,并選擇適當?shù)膹V告投放給這些目標人群.人群定向的精度依賴于信息過濾的技術(shù),而在現(xiàn)有的技

【參考文獻】

相關(guān)期刊論文 前7條

1 黃震華;張佳雯;田春岐;孫圣力;向陽;;基于排序?qū)W習(xí)的推薦算法研究綜述[J];軟件學(xué)報;2016年03期

2 榮輝桂;火生旭;胡春華;莫進俠;;基于用戶相似度的協(xié)同過濾推薦算法[J];通信學(xué)報;2014年02期

3 郭磊;馬軍;陳竹敏;姜浩然;;一種結(jié)合推薦對象間關(guān)聯(lián)關(guān)系的社會化推薦算法[J];計算機學(xué)報;2014年01期

4 賈冬艷;張付志;;基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2013年05期

5 陳克寒;韓盼盼;吳健;;基于用戶聚類的異構(gòu)社交網(wǎng)絡(luò)推薦算法[J];計算機學(xué)報;2013年02期

6 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[J];計算機學(xué)報;2010年08期

7 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

【共引文獻】

相關(guān)期刊論文 前10條

1 王永;萬瀟逸;陶婭芝;張璞;;基于K-medoids項目聚類的協(xié)同過濾推薦算法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2017年04期

2 嚴春燕;戴仕明;;基于協(xié)同過濾算法的用戶喜好研究[J];計算機時代;2017年07期

3 孟桓羽;劉真;王芳;徐家棟;張國強;;基于圖和改進K近鄰模型的高效協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2017年07期

4 周孟;朱福喜;;基于鄰居選取策略的人群定向算法[J];計算機研究與發(fā)展;2017年07期

5 李威;付曉東;劉驪;劉利軍;;基于社會選擇理論的在線服務(wù)評價[J];計算機應(yīng)用;2017年07期

6 林敏;陳美龍;;基于大數(shù)據(jù)的協(xié)同過濾推薦算法在智慧圖書館中的應(yīng)用[J];電子科學(xué)技術(shù);2017年04期

7 李冰;王虎;王銳;;客戶群及個體服務(wù)選擇影響因子研究[J];計算機工程與應(yīng)用;2017年13期

8 張松;張琳;王汝傳;;基于用戶限制聚類的協(xié)同過濾推薦算法[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2017年03期

9 曲朝陽;徐鵬飛;婁建樓;顏佳;曲楠;;基于協(xié)同過濾的電力信息運維知識個性化推薦模型[J];東北師大學(xué)報(自然科學(xué)版);2017年02期

10 張子洋;金志剛;張瑞;;基于最近鄰居優(yōu)化選取方法的協(xié)同過濾推薦算法[J];南開大學(xué)學(xué)報(自然科學(xué)版);2017年03期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 孟祥武;劉樹棟;張玉潔;胡勛;;社會化推薦系統(tǒng)研究[J];軟件學(xué)報;2015年06期

2 黃偉;曾舒如;;基于圖像信息和排序?qū)W習(xí)技術(shù)的疾病預(yù)測方法[J];南昌工程學(xué)院學(xué)報;2015年03期

3 丁宇新;燕澤權(quán);馮威;薛成龍;周迪;;基于有監(jiān)督主題模型的排序?qū)W習(xí)算法[J];電子學(xué)報;2015年02期

4 應(yīng)毅;劉亞軍;陳誠;;基于云計算技術(shù)的個性化推薦系統(tǒng)[J];計算機工程與應(yīng)用;2015年13期

5 李金忠;楊威;夏潔武;曾小薈;孫凌宇;;基于Hooke & Jeeves模式搜索的排序?qū)W習(xí)方法[J];計算機工程;2015年07期

6 印鑒;王智圣;李琪;蘇偉杰;;基于大規(guī)模隱式反饋的個性化推薦[J];軟件學(xué)報;2014年09期

7 陳珂;鄒權(quán);彭志平;柯文德;;異質(zhì)社交網(wǎng)絡(luò)中協(xié)同排序的好友推薦算法[J];小型微型計算機系統(tǒng);2014年06期

8 彭澤環(huán);孫樂;韓先培;石貝;;基于排序?qū)W習(xí)的微博用戶推薦[J];中文信息學(xué)報;2013年04期

9 王元卓;靳小龍;程學(xué)旗;;網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J];計算機學(xué)報;2013年06期

10 陳克寒;韓盼盼;吳健;;基于用戶聚類的異構(gòu)社交網(wǎng)絡(luò)推薦算法[J];計算機學(xué)報;2013年02期

，

本文編號：1462911