本文關(guān)鍵詞：流數(shù)據(jù)分類挖掘在動態(tài)廣告推薦系統(tǒng)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著大數(shù)據(jù)時代的來臨,信息過載逐漸成為用戶體驗(yàn)所不能忽視的一個障礙。人們逐漸意識到數(shù)據(jù)中的蘊(yùn)含的價值。推薦系統(tǒng)就是人們在大量的數(shù)據(jù)中挖掘價值的一類典型應(yīng)用,它通過對用戶的行為的分析,對用戶的興趣的建模,完成對用戶感興趣的物品的推薦。論文中,首先總結(jié)了推薦系統(tǒng)常用的幾類方法：基于協(xié)同過濾的方法、基于內(nèi)容的方法、兩者的混合方法,以及推薦系統(tǒng)已有的對動態(tài)特性的研究。緊接著介紹了在線分析的兩個關(guān)鍵技術(shù),流處理技術(shù)和流數(shù)據(jù)挖掘。在線分析處理大數(shù)據(jù)已經(jīng)成為一個較新的研究熱點(diǎn)。然后介紹了挖掘算法在推薦系統(tǒng)中的應(yīng)用。最后以計(jì)算廣告推薦為切入點(diǎn),對廣告推薦系統(tǒng)的概念和方法進(jìn)行了詳細(xì)的介紹。論文的主要工作如下：首先,提出了一種基于用戶特征以及廣告特征等內(nèi)容特征的分類挖掘推薦方法,并介紹了基于此方法的完整廣告推薦系統(tǒng)的模型。其次,結(jié)合將流數(shù)據(jù)挖掘中的流式?jīng)Q策樹分類方法應(yīng)用到廣告推薦當(dāng)中使之具備實(shí)時處理數(shù)據(jù)的能力；運(yùn)用bagging技術(shù),使之具備了處理動態(tài)特性的能力,能夠根據(jù)用戶行為的變化實(shí)時更新推薦模型,具有更好的分類效果。最后,結(jié)合流處理工具、流分類挖掘算法,設(shè)計(jì)并實(shí)現(xiàn)了能夠在線更新推薦模型的實(shí)時分析系統(tǒng)。
【關(guān)鍵詞】：流數(shù)據(jù)分類 流處理 動態(tài)推薦系統(tǒng) 廣告點(diǎn)擊率預(yù)估
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-13
• 1.1 課題來源與研究背景10-11
• 1.2 論文的研究目的與意義11-12
• 1.3 論文的主要工作與論文結(jié)構(gòu)12-13
• 第二章 相關(guān)研究綜述13-27
• 2.1 推薦系統(tǒng)的方法13-18
• 2.1.1 基于協(xié)同過濾的推薦(Collaborative Filtering)15-16
• 2.1.2 基于內(nèi)容的推薦(Content-Based Filtering)16-17
• 2.1.3 基于協(xié)同與內(nèi)容混合的推薦(Hybrid Filtering)17
• 2.1.4 推薦系統(tǒng)動態(tài)特性的研究現(xiàn)狀17-18
• 2.2 流處理技術(shù)18-23
• 2.3 流數(shù)據(jù)挖掘23-26
• 2.4 本章小結(jié)26-27
• 第三章 動態(tài)廣告推薦27-36
• 3.1 計(jì)算廣告27-29
• 3.2 與推薦系統(tǒng)的關(guān)系29
• 3.3 點(diǎn)擊率預(yù)估29-32
• 3.4 基于分類的廣告推薦32-33
• 3.5 動態(tài)廣告推薦33-34
• 3.6 效率的改進(jìn)34-35
• 3.7 本章小結(jié)35-36
• 第四章 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)36-53
• 4.1 系統(tǒng)總體模型36-38
• 4.1.1 核心分類模塊37-38
• 4.2 流處理工具38-41
• 4.2.1 StreamBase39-41
• 4.3 流分類挖掘41-45
• 4.3.1 傳統(tǒng)決策樹方法41-42
• 4.3.2 VFDT42-45
• 4.4 系統(tǒng)實(shí)現(xiàn)45-52
• 4.4.1 核心分類模塊實(shí)現(xiàn)45-50
• 4.4.2 VFDT實(shí)現(xiàn)50-51
• 4.4.3 評估實(shí)現(xiàn)51-52
• 4.5 本章小結(jié)52-53
• 第五章 實(shí)驗(yàn)及結(jié)果分析53-60
• 5.1 實(shí)驗(yàn)數(shù)據(jù)53-54
• 5.2 評價指標(biāo)54-56
• 5.3 結(jié)果分析56-59
• 5.4 本章小結(jié)59-60
• 第六章 總結(jié)與展望60-61
• 6.1 總結(jié)60
• 6.2 展望60-61
• 致謝61-62
• 參考文獻(xiàn)62-66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 黃荷;;大數(shù)據(jù)時代降臨[J];黨政論壇(干部文摘);2012年11期

2 孫玉芬;盧炎生;;流數(shù)據(jù)挖掘綜述[J];計(jì)算機(jī)科學(xué);2007年01期

3 賈澎濤;何華燦;劉麗;孫濤;;時間序列數(shù)據(jù)挖掘綜述[J];計(jì)算機(jī)應(yīng)用研究;2007年11期

4 紀(jì)文迪;王曉玲;周傲英;;廣告點(diǎn)擊率估算技術(shù)綜述[J];華東師范大學(xué)學(xué)報(自然科學(xué)版);2013年03期

5 李哲;王志海;何穎婧;付彬;;一種啟發(fā)式多標(biāo)記分類器選擇與排序策略[J];中文信息學(xué)報;2013年04期

6 袁磊;張陽;李梅;李雪;王勇;;在數(shù)據(jù)流管理系統(tǒng)中實(shí)現(xiàn)快速決策樹算法(英文)[J];計(jì)算機(jī)科學(xué)與探索;2010年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 梁春泉;不確定數(shù)據(jù)流分類算法研究[D];西北農(nóng)林科技大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 李為;基于日志代理的安全審計(jì)綜合分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2008年

2 黃海波;在線推薦系統(tǒng)的算法研究及其應(yīng)用[D];電子科技大學(xué);2012年

3 李哲;基于分類模型的廣告推薦方法研究[D];北京交通大學(xué);2014年

  本文關(guān)鍵詞：流數(shù)據(jù)分類挖掘在動態(tài)廣告推薦系統(tǒng)中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：266073