本文選題：基于位置的廣告　切入點：廣告調(diào)度　出處：《湖北工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：廣告作為多數(shù)互聯(lián)網(wǎng)企業(yè)的主要盈利手段之一,在各種基于互聯(lián)網(wǎng)的服務(wù)中都有非常成熟的應(yīng)用,如何為用戶提供個性化的廣告,提高用戶滿意度和廣告效果一直是各大互聯(lián)網(wǎng)公司的研究熱點。移動互聯(lián)網(wǎng)的蓬勃發(fā)展和移動設(shè)備的便攜性和上下文感知等特點為基于位置的服務(wù)的發(fā)展提供了硬件條件,地圖、團(tuán)購、打車等各種基于位置的服務(wù)飛速發(fā)展。隨著輔助駕駛以及自動駕駛技術(shù)的興起以及移動應(yīng)用針對駕駛場景的優(yōu)化和車載智能系統(tǒng)的發(fā)展,用戶在車內(nèi)使用互聯(lián)網(wǎng)服務(wù)越來越頻繁,為車聯(lián)網(wǎng)環(huán)境下的廣告服務(wù)提供了良好平臺。針對車聯(lián)網(wǎng)環(huán)境下為用戶推送本地化廣告主所提供的廣告的問題,設(shè)計廣告調(diào)度層來優(yōu)化匹配給當(dāng)前用戶的廣告數(shù)據(jù)的播放策略。在用戶行車過程中,用戶的位置不斷發(fā)生變化,單純根據(jù)現(xiàn)有的推薦系統(tǒng)的推薦結(jié)果依次播放,而不考慮用戶的位置等上下文信息,無法最大化有限的廣告播放窗口的廣告效果。其次,與用戶在使用傳統(tǒng)網(wǎng)絡(luò)服務(wù)時候的離散行為不同,在用戶一段時間內(nèi)的行車過程中,用戶的行為受到限制,車內(nèi)的環(huán)境比較單一,使用互聯(lián)網(wǎng)服務(wù)的行為比較連續(xù)。這樣一來,推薦給用戶的廣告之間是有相互影響的,除了關(guān)注單個廣告的推薦效果外,還要提高廣告播放序列的總體效果。在推薦系統(tǒng)對用戶的人口統(tǒng)計學(xué)信息、用戶興趣模型數(shù)據(jù),以及用戶行車數(shù)據(jù)等信息的充分利用的基礎(chǔ)之上,使用廣告的用戶匹配度數(shù)據(jù),上下文匹配等數(shù)據(jù)來優(yōu)化廣告序列整體播放效果。為了實現(xiàn)廣告調(diào)度層優(yōu)化廣告播放目標(biāo),將廣告調(diào)度問題抽象為合適的數(shù)學(xué)模型,即在一定約束條件下的廣告序列綜合收益最大化的問題。首先,設(shè)置不同約束條件來實現(xiàn)不同情形下的廣告播放次數(shù)、播放間隔的調(diào)控和廣告的類型控制等條件,設(shè)計合理的目標(biāo)函數(shù)來度量廣告播放序列的綜合收益。其次,引入整數(shù)規(guī)劃模型來求解簡化條件下的廣告調(diào)度問題。整數(shù)規(guī)劃模型描述簡單,適合在比較簡單的系統(tǒng)中實現(xiàn),也方便用來對廣告調(diào)度進(jìn)行初步的分析。最后,引入蟻群優(yōu)化算法來對較大問題規(guī)模以及更加復(fù)雜的條件下的數(shù)學(xué)模型進(jìn)行分析和求解。通過將廣告調(diào)度問題轉(zhuǎn)化蟻群優(yōu)化算法中各個要素,詳細(xì)的介紹了使用蟻群優(yōu)化算法求解廣告調(diào)度問題的流程,并使用實驗數(shù)據(jù)對算法的可行性進(jìn)行驗證。
[Abstract]:Advertising, as one of the main means of profit for most Internet enterprises, has very mature applications in all kinds of Internet-based services, how to provide personalized advertising for users, Improving user satisfaction and advertising effect has always been the research hotspot of major Internet companies. The vigorous development of mobile Internet and the portable and context-aware characteristics of mobile devices provide hardware conditions for the development of location-based services. Map, group purchase, taxi and other location-based services have developed rapidly. With the rise of auxiliary driving and autonomous driving technology, mobile applications for driving scenarios optimization and the development of intelligent vehicle systems, Users use Internet services more and more frequently in cars, which provides a good platform for advertising services in car networking environment. The advertisement scheduling layer is designed to optimize the playing strategy that matches the advertisement data to the current user. In the process of driving, the user's position changes constantly, and simply plays according to the recommendation result of the existing recommendation system. However, it can not maximize the advertising effect of a limited advertising window without considering the context information such as the location of the user. Secondly, different from the discrete behavior of the user when using the traditional network service, in the driving process of the user for a period of time, The user's behavior is restricted, the environment in the car is relatively simple, and the behavior of using the Internet service is relatively continuous. As a result, the advertisements recommended to the user have a mutual influence, in addition to focusing on the recommended effect of a single advertisement. On the basis of the full use of demographic information, user interest model data, and user driving data of the recommendation system, the user matching degree data of the advertisement is used. In order to realize the advertising scheduling layer optimization, the advertising scheduling problem is abstracted into an appropriate mathematical model. That is to say, the problem of maximizing the comprehensive income of advertising sequences under certain constraints. Firstly, different constraints are set to realize the regulation of the number of times of advertisement playing, the regulation of play interval and the control of type of advertisement under different circumstances, and so on. A reasonable objective function is designed to measure the comprehensive income of the advertisement play sequence. Secondly, an integer programming model is introduced to solve the advertisement scheduling problem under the simplified conditions. The integer programming model is simple to describe and suitable to be implemented in a relatively simple system. It is also convenient for preliminary analysis of advertising scheduling. Finally, Ant colony optimization (ACO) algorithm is introduced to analyze and solve the mathematical model of large problem scale and more complex conditions. The advertising scheduling problem is transformed into various elements of ant colony optimization algorithm. The flow chart of using ant colony optimization algorithm to solve advertising scheduling problem is introduced in detail, and the feasibility of the algorithm is verified by experimental data.
【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN929.5;TP393.09;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋雪梅;李兵;;蟻群優(yōu)化算法的理論、改進(jìn)及應(yīng)用[J];唐山學(xué)院學(xué)報;2006年01期

2 馮寶華;;蟻群優(yōu)化算法的原理及改進(jìn)[J];科技信息(科學(xué)教研);2007年31期

3 李凱;田雙亮;耿麗君;張喜;;基于免疫的蟻群優(yōu)化算法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2009年04期

4 王同喜;;蟻群優(yōu)化算法研究[J];長江大學(xué)學(xué)報(自然科學(xué)版)理工卷;2009年03期

5 王罡;馮艷君;;基于蟻群優(yōu)化算法的旋轉(zhuǎn)貨架揀選路徑規(guī)劃[J];計算機(jī)工程;2010年03期

6 許昌;常會友;徐俊;衣楊;;一種新的融合分布估計的蟻群優(yōu)化算法[J];計算機(jī)科學(xué);2010年02期

7 曹國震;郭雷;;蟻群優(yōu)化算法應(yīng)用研究[J];電腦知識與技術(shù);2011年02期

8 李德啟;田素貞;;一種基于云環(huán)境下蟻群優(yōu)化算法的改進(jìn)研究[J];陜西科技大學(xué)學(xué)報(自然科學(xué)版);2012年01期

9 趙云濤;王勝勇;盧家斌;葉剛橋;蔣瑛;;蟻群優(yōu)化算法及其理論進(jìn)展[J];科技創(chuàng)新導(dǎo)報;2012年10期

10 錢乾;程美英;熊偉清;周鳴爭;;二元蟻群優(yōu)化算法研究綜述[J];計算機(jī)應(yīng)用研究;2012年04期

相關(guān)會議論文 前7條

1 趙冬斌;易建強;;基于蟻群優(yōu)化算法的機(jī)器人規(guī)劃[A];第25屆中國控制會議論文集（中冊）[C];2006年

2 熊偉清;魏平;;基于食物量分配的多種群二元蟻群優(yōu)化算法[A];中國自動化學(xué)會控制理論專業(yè)委員會D卷[C];2011年

3 唐好選;曲毅;;蟻群優(yōu)化算法在蛋白質(zhì)構(gòu)象預(yù)測問題中的應(yīng)用[A];黑龍江省計算機(jī)學(xué)會2007年學(xué)術(shù)交流年會論文集[C];2007年

4 西光旭;;蟻群優(yōu)化算法與應(yīng)用研究[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

5 王海寧;孫守遷;;基于優(yōu)化成熟度的自適應(yīng)蟻群優(yōu)化算法[A];2010年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集[C];2010年

6 吳國鳳;曾標(biāo);;蟻群算法系統(tǒng)的Java模擬與分析[A];IT服務(wù)促進(jìn)企業(yè)信息化——第十一屆中國Java技術(shù)及應(yīng)用交流大會文集[C];2008年

7 鄧科;叢爽;;不同蟻群優(yōu)化算法在C-TSP中的性能對比研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前8條

1 冷煌;蟻群優(yōu)化算法的若干研究[D];吉林大學(xué);2016年

2 燕忠;基于蟻群優(yōu)化算法的若干問題的研究[D];東南大學(xué);2005年

3 程志剛;連續(xù)蟻群優(yōu)化算法的研究及其化工應(yīng)用[D];浙江大學(xué);2005年

4 趙娟平;移動機(jī)器人路徑規(guī)劃的蟻群優(yōu)化算法研究[D];東北大學(xué);2012年

5 劉彥鵬;蟻群優(yōu)化算法的理論研究及其應(yīng)用[D];浙江大學(xué);2007年

6 李莉;柔性作業(yè)車間調(diào)度中的群智能優(yōu)化算法研究[D];東北林業(yè)大學(xué);2011年

7 楊佳;混合量子優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2009年

8 呂勇;蟻群優(yōu)化算法及在網(wǎng)絡(luò)路由中的應(yīng)用研究[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 張健;蟻群優(yōu)化算法及其在復(fù)雜網(wǎng)絡(luò)社區(qū)檢測中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

2 劉樂柱;混沌蟻群優(yōu)化算法與H-R神經(jīng)元網(wǎng)絡(luò)動力學(xué)研究[D];安徽師范大學(xué);2015年

3 景鵬杰;基于多目標(biāo)蟻群優(yōu)化算法的全基因組關(guān)聯(lián)分析研究[D];上海交通大學(xué);2015年

4 史大龍;基于蟻群優(yōu)化算法的視頻監(jiān)控智能檢測系統(tǒng)的研究與實現(xiàn)[D];中國海洋大學(xué);2015年

5 王詔遠(yuǎn);基于蟻群優(yōu)化算法的網(wǎng)絡(luò)編碼資源優(yōu)化問題研究[D];西南交通大學(xué);2016年

6 謝鵬飛;基于Spark平臺的混沌蟻群優(yōu)化算法研究與實現(xiàn)[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

7 李勇霞;自適應(yīng)蟻群優(yōu)化算法[D];重慶大學(xué);2016年

8 王中齊;車聯(lián)網(wǎng)環(huán)境下廣告調(diào)度模型研究[D];湖北工業(yè)大學(xué);2017年

9 張罡;基于蟻群優(yōu)化算法的SDN流量調(diào)度研究[D];湖北工業(yè)大學(xué);2017年

10 李金漢;蟻群優(yōu)化算法及其應(yīng)用研究[D];哈爾濱理工大學(xué);2008年

，

本文編號：1559593