發(fā)布時(shí)間：2017-05-24 07:07

  本文關(guān)鍵詞：面向移動(dòng)互聯(lián)網(wǎng)營(yíng)銷(xiāo)的推薦系統(tǒng)研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)廣告是指通過(guò)網(wǎng)絡(luò)廣告平臺(tái),利用網(wǎng)站上廣告橫幅、文本鏈接等,在網(wǎng)絡(luò)上發(fā)布廣告信息。隨著手機(jī)用戶(hù)的迅速增加,移動(dòng)營(yíng)銷(xiāo)日益受到青睞,移動(dòng)互聯(lián)網(wǎng)廣告因其成本低廉而且覆蓋的受眾廣泛,成為了許多企業(yè)用來(lái)拓展用戶(hù)規(guī)模的方式。移動(dòng)互聯(lián)網(wǎng)有規(guī)模龐大的用戶(hù)群體,在推送消息時(shí)不局限于時(shí)間、地域,而且信息投遞迅速、成本低廉。移動(dòng)互聯(lián)網(wǎng)廣告在國(guó)內(nèi)外有巨大的市場(chǎng)潛力與增長(zhǎng)空間,是廣告投放領(lǐng)域新的機(jī)遇與挑戰(zhàn)。隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展,人們逐漸從信息匱乏走向了信息過(guò)載的時(shí)代。對(duì)于信息消費(fèi)者而言,從海量信息中找到自己感興趣的信息更加困難;對(duì)于信息生產(chǎn)者,也很難讓自己生產(chǎn)的信息從海量信息中被需求者提取出來(lái),搜索引擎可以讓用戶(hù)通過(guò)關(guān)鍵詞查找自己需要的信息,但當(dāng)用戶(hù)難以用關(guān)鍵字表達(dá)自己的需求或者需求不明確時(shí),便顯得捉襟見(jiàn)肘。推薦系統(tǒng)是解決這種情況的一種有效工具,與搜索引擎不同之處在于,她不需要用戶(hù)提供明確的需求,而是通過(guò)用戶(hù)過(guò)去的行為給用戶(hù)的興趣建模,從而主動(dòng)給用戶(hù)推薦他可能感興趣的信息。推薦系統(tǒng)現(xiàn)已經(jīng)在應(yīng)用于廣泛的領(lǐng)域,在學(xué)術(shù)界,推薦系統(tǒng)也很受關(guān)注。本文基于規(guī)模龐大的移動(dòng)互聯(lián)網(wǎng)用戶(hù)行為數(shù)據(jù),嘗試結(jié)合推薦系統(tǒng)的一些思想,進(jìn)行廣告投放。與常見(jiàn)的電商或電視節(jié)目數(shù)據(jù)相比,移動(dòng)互聯(lián)網(wǎng)用戶(hù)行為數(shù)據(jù)更具有精準(zhǔn)性,可以準(zhǔn)確的定位到真實(shí)世界具體的一個(gè)人。本文依據(jù)在手機(jī)用戶(hù)訪(fǎng)問(wèn)App的數(shù)據(jù),結(jié)合推薦系統(tǒng)的一些算法,通過(guò)分析與實(shí)驗(yàn):1)尋找效果更適合于移動(dòng)互聯(lián)網(wǎng)廣告投放的推薦算法及其參數(shù);2)尋找在保證投放效果條件下,運(yùn)算量更低的數(shù)據(jù)劃分方式;在訓(xùn)練模型參數(shù)時(shí),如果數(shù)據(jù)量較小,則針對(duì)全量數(shù)據(jù)是可行的,但是當(dāng)數(shù)據(jù)量很大時(shí),取全量數(shù)據(jù)在運(yùn)算量上會(huì)有很大負(fù)荷,而且提取全量的數(shù)據(jù)并不一定能夠提升算法的效果,在參與訓(xùn)練模型的數(shù)據(jù)達(dá)到一定量級(jí)之后,通常同樣的算法無(wú)法挖掘數(shù)據(jù)中更深層次的用戶(hù)興趣。3)尋找一些推薦算法效果與參與計(jì)算的數(shù)據(jù)量的關(guān)系,發(fā)現(xiàn)使得算法效果“飽和”的數(shù)據(jù)量級(jí),從而使得在工程應(yīng)用中對(duì)算法參數(shù)和數(shù)據(jù)量進(jìn)行有效的調(diào)整,在保證最終效果的前提下,降低運(yùn)算復(fù)雜程度。
【關(guān)鍵詞】：移動(dòng)互聯(lián)網(wǎng) 個(gè)性化推薦系統(tǒng) 廣告投放
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-14
• 1.1 研究的背景10-11
• 1.2 論文的主要工作及意義11-12
• 1.3 本論文的結(jié)構(gòu)安排12-14
• 第二章 移動(dòng)互聯(lián)網(wǎng)廣告與推薦系統(tǒng)的相關(guān)研究進(jìn)展14-35
• 2.1 移動(dòng)互聯(lián)網(wǎng)廣告14-21
• 2.1.1 引言14
• 2.1.2 移動(dòng)互聯(lián)網(wǎng)廣告特殊性及其投放方式14-16
• 2.1.3 移動(dòng)互聯(lián)網(wǎng)廣告商業(yè)模式剖析16-17
• 2.1.4 移動(dòng)互聯(lián)網(wǎng)廣告市場(chǎng)的優(yōu)勢(shì)與劣勢(shì)17-18
• 2.1.5 移動(dòng)廣告發(fā)展?fàn)顩r分析18-21
• 2.2 推薦系統(tǒng)21-33
• 2.2.1 引言21-22
• 2.2.2 什么是推薦系統(tǒng)22-23
• 2.2.3 推薦算法的分類(lèi)及介紹23-26
• 2.2.4 推薦系統(tǒng)的評(píng)價(jià)指標(biāo)26-30
• 2.2.5 推薦系統(tǒng)的應(yīng)用30-33
• 2.3 本章小結(jié)33-35
• 第三章 基于多種推薦算法及相似性度量方式的測(cè)試與分析35-50
• 3.1 引言35
• 3.2 實(shí)驗(yàn)方法35-38
• 3.2.1 數(shù)據(jù)基本信息35-37
• 3.2.2 數(shù)據(jù)取樣以及數(shù)據(jù)集劃分方法37
• 3.2.3 相似性度量方式37-38
• 3.3 實(shí)驗(yàn)算法描述38-47
• 3.3.1 以用戶(hù)為基礎(chǔ)（user-Based）的協(xié)同過(guò)濾38-40
• 3.3.2 以項(xiàng)目為基礎(chǔ)（item-Based）的協(xié)同過(guò)濾40-42
• 3.3.3 基于擴(kuò)散的算法42-47
• 3.4 實(shí)驗(yàn)結(jié)果及分析47-49
• 3.4.1 實(shí)驗(yàn)結(jié)果47
• 3.4.2 結(jié)果分析47-49
• 3.5 本章小結(jié)49-50
• 第四章 基于不同的用戶(hù)劃分方式進(jìn)行推薦的效果分析50-57
• 4.1 引言50
• 4.2 實(shí)驗(yàn)?zāi)繕?biāo)50-51
• 4.3 實(shí)驗(yàn)方法51-54
• 4.3.1 數(shù)據(jù)取樣方法51-52
• 4.3.2 數(shù)據(jù)處理流程52
• 4.3.3 數(shù)據(jù)集劃分方法52-53
• 4.3.4 物質(zhì)擴(kuò)散與熱傳導(dǎo)的混合算法53-54
• 4.4 實(shí)驗(yàn)結(jié)果及分析54-56
• 4.5 本章小結(jié)56-57
• 第五章 推薦中算法飽和效應(yīng)的測(cè)試與分析57-68
• 5.1 引言57-59
• 5.2 試驗(yàn)數(shù)據(jù)描述59-64
• 5.3 實(shí)驗(yàn)方法64-65
• 5.4 試驗(yàn)結(jié)果及分析65-67
• 5.5 本章小結(jié)67-68
• 第六章 結(jié)論68-71
• 6.1 本文的主要貢獻(xiàn)68
• 6.2 本文工作的不足68-69
• 6.3 下一步工作的展望69-71
• 致謝71-72
• 參考文獻(xiàn)72-75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 劉建國(guó);周濤;郭強(qiáng);汪秉宏;;個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

2 赤風(fēng);;金融危機(jī)催熱移動(dòng)互聯(lián)網(wǎng)營(yíng)銷(xiāo)[J];電子商務(wù)世界;2008年12期

  本文關(guān)鍵詞：面向移動(dòng)互聯(lián)網(wǎng)營(yíng)銷(xiāo)的推薦系統(tǒng)研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：390048