【摘要】：近幾年來,在大數(shù)據(jù)與深度學(xué)習算法推動下人工智能實現(xiàn)了快速的發(fā)展,人臉識別技術(shù)更是其中一項熱門的研究領(lǐng)域。在實驗室環(huán)境中,人臉識別技術(shù)精度已超過99.5%。在此基礎(chǔ)上,各方也在尋求人臉識別的應(yīng)用領(lǐng)域,而當下線下的廣告機缺少有針對性的個性化推薦,一定程度上影響廣告的傳播效果。所以本文將人臉識別技術(shù)與線下廣告機播放場景結(jié)合,重點研究了基于“人臉畫像”的廣告推薦算法。這對人臉識別技術(shù)的應(yīng)用領(lǐng)域是一種擴展,對線下廣告推薦系統(tǒng)的智能化發(fā)展也有重大意義。在播放地點固定的廣告機場景中,比如電梯間和公交站旁的廣告機,通過人臉識別技術(shù),可以對觀看廣告的用戶建立“人臉畫像”,提取出年齡、性別等特征,同一特征的用戶群體對廣告存在相同的偏好,如女性可能對化妝品類的廣告更感興趣。根據(jù)這一應(yīng)用情況,本文提出了一種基于“人臉畫像”的廣告推薦概率模型,通過人臉識別技術(shù)識別用戶的人臉特征,推薦用戶可能感興趣的廣告。首先,提出了“人臉畫像”與廣告的語義相似度推薦模型,根據(jù)“人臉畫像”屬性與廣告描述特征的相關(guān)度進行冷啟動推薦,并通過基于內(nèi)容的推薦算法學(xué)習用戶感興趣的廣告特征,不斷改善模型的推薦效果;其次,根據(jù)用戶觀看廣告時長提出了用戶反饋推薦模型,用戶觀看廣告的時間越長,對廣告感興趣的可能性越高,模型采用協(xié)同過濾算法分析用戶的歷史觀看記錄,進行廣告推薦;再次,對廣告的播放歷史大數(shù)據(jù)分析提出了時間密度推薦模型,通過DBSCAN算法對廣告歷史播放記錄分析,對廣告播放時間進行聚類,找出當前廣告最有可能被觀看的時間段。最后根據(jù)上述三種模型不同的適用場景,將模型按概率進行融合,提出一種基于“人臉畫像”的概率推薦模型。通過實驗對比,有推薦的廣告機播放系統(tǒng)比無推薦的廣告機播放系統(tǒng)日平均觀看率提高了 1.59%,日平均觀看時長比率提高了 0.33%,通過實踐應(yīng)用檢驗了基于人類畫像的廣告推薦算法的有效性。
【圖文】：

果就差了很多，現(xiàn)在比較流行的檢測方法是基于深度學(xué)習的檢測方法，算法原理逡逑可以概括成通過…定策略裁剪待檢測圖像，將哉剪后的圖片通過深度人臉－非人逡逑臉二分類器訓(xùn)練，判定候選區(qū)域是否足人臉。如圖２．丨所示即人臉檢測效果。逡逑W逡逑圖２．１人臉檢測示例逡逑

逡逑根據(jù)用戶畫像，可以做到精準營銷，廣告主可以通過標簽進行廣告的精準投逡逑放；可以分析產(chǎn)品的受眾，，通過對產(chǎn)品的歷史交互記錄分析，得出產(chǎn)品的受眾；逡逑可以分析行業(yè)動態(tài)，比如學(xué)生群里的消費偏好、不同地域的消費差異。互聯(lián)網(wǎng)企逡逑業(yè)的用戶畫像主要通過用戶定義與數(shù)據(jù)挖掘的方法來獲取用戶畫像，用戶定義是逡逑指用戶在注冊時提交的個人信息、偏好信息，或者瀏覽時所用的ｉｐ信息、設(shè)備逡逑信息等，數(shù)據(jù)挖掘方法是指通過用戶的瀏覽記錄、消費習慣或用戶關(guān)聯(lián)分析進行逡逑挖掘用戶畫像。逡逑本文給“人臉畫像”的定義是由人臉識別獲取的用戶畫像，叫做“人臉畫像”，逡逑并根據(jù)不同的理解，給出了狹義的定義與廣義的定義。逡逑狹義的定義：通過人臉識別技術(shù)提取的用戶屬性特征，比如年齡、性別、還逡逑有人體識別等技術(shù)獲取的衣著、身高等特征叫做狹義的“人臉畫像”。逡逑狹義的“人臉畫像”獲取流程一般如圖２．２所示。逡逑
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.3

【參考文獻】

相關(guān)期刊論文 前8條

1 李慧;李存華;王霞;;基于特征選擇的網(wǎng)頁排名算法[J];計算機工程;2010年13期

2 徐翔;王煦法;;協(xié)同過濾算法中的相似度優(yōu)化方法[J];計算機工程;2010年06期

3 李忠俊;周啟海;帥青紅;;一種基于內(nèi)容和協(xié)同過濾同構(gòu)化整合的推薦系統(tǒng)模型[J];計算機科學(xué);2009年12期

4 馬宏偉;張光衛(wèi);李鵬;;協(xié)同過濾推薦算法綜述[J];小型微型計算機系統(tǒng);2009年07期

5 黃昌寧;趙海;;中文分詞十年回顧[J];中文信息學(xué)報;2007年03期

6 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2007年02期

7 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

8 趙亮,胡乃靜,張守志;個性化推薦算法設(shè)計[J];計算機研究與發(fā)展;2002年08期

本文編號：2694338