本文關(guān)鍵詞：基于協(xié)同過濾的個性化廣告推薦系統(tǒng)的設(shè)計與實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)行業(yè)的蓬勃發(fā)展,便捷高效的電子商務(wù)日益成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠帧Ｔ趶V告領(lǐng)域,互聯(lián)網(wǎng)廣告聯(lián)盟獲得了長足發(fā)展,個性化廣告推薦逐漸成為廣告聯(lián)盟之間差異化競爭的關(guān)鍵技術(shù)。廣告聯(lián)盟中的個性化推薦是指以用戶對廣告的行為數(shù)據(jù)、用戶個人特征以及廣告內(nèi)容等信息為基礎(chǔ),以內(nèi)容過濾、協(xié)同過濾、混合過濾以及數(shù)據(jù)挖掘等為技術(shù)手段,向目標(biāo)用戶推薦其可能感興趣的廣告內(nèi)容。協(xié)同過濾算法是目前被研究和應(yīng)用最廣的推薦算法之一。由于廣告及用戶的特殊屬性,廣告聯(lián)盟在應(yīng)用協(xié)同過濾算法時還面臨著以下問題：(1)廣告與隨時間變化的用戶興趣之間的實時匹配問題；(2)用戶間興趣相似度的時效性問題；(3) 用戶之間的相似度度量問題。另外,如何利用現(xiàn)有的廣告平臺(利用其廣告數(shù)據(jù)和用戶數(shù)據(jù)資源),搭建以個性化廣告推薦技術(shù)為核心技術(shù)的廣告聯(lián)盟,并通過在線-近線-離線(online-near line-offline)三層架構(gòu)思想,將數(shù)據(jù)采集和廣告推薦有機(jī)結(jié)合成一個整體,是本文在系統(tǒng)架構(gòu)上需要考慮的。本文首先分析了現(xiàn)有的平臺功能和架構(gòu),·給出了系統(tǒng)的改造需求；其次,結(jié)合傳統(tǒng)的協(xié)同過濾算法,本文引入了定時更新、可信度、基于項目評分預(yù)測的思想,改進(jìn)了WSO (Weighted Slope One)算法；最后,通過從現(xiàn)有系統(tǒng)中隨機(jī)抽取樣例進(jìn)行實驗,對比改進(jìn)后的算法和傳統(tǒng)的WSO算法,驗證了隨著時間變化,改進(jìn)后的算法更有優(yōu)勢。
【關(guān)鍵詞】：協(xié)同過濾 平臺開發(fā) 廣告推薦 WSO 評分預(yù)測
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院)
【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
• Abstract6-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10-11
• 1.2 本課題的相關(guān)研究現(xiàn)狀11-13
• 1.2.1 Google的Adsense11
• 1.2.2 百度的CPA11
• 1.2.3 微軟推出的adCenter11
• 1.2.4 阿里巴巴旗下的阿里媽媽11-13
• 1.3 本文研究工作13
• 1.3.1 分析現(xiàn)有廣告聯(lián)盟平臺系統(tǒng)的優(yōu)缺點13
• 1.3.2 適合廣告聯(lián)盟的個性化推薦算法選擇、實現(xiàn)與評估13
• 1.3.3 依據(jù)個性化推薦技術(shù)制定系統(tǒng)改造方案13
• 1.4 論文結(jié)構(gòu)安排13-15
• 第二章 相關(guān)推薦技術(shù)基礎(chǔ)15-31
• 2.1 個性化廣告顯示系統(tǒng)的技術(shù)基礎(chǔ)16-28
• 2.1.1 基于內(nèi)容的推薦技術(shù)18-20
• 2.1.2 基于協(xié)同過濾算法的推薦技術(shù)20-25
• 2.1.3 混合推薦技術(shù)25-28
• 2.2 廣告代碼監(jiān)控技術(shù)基礎(chǔ)28-29
• 2.2.1 廣告點擊數(shù)據(jù)跟蹤及數(shù)據(jù)安全28
• 2.2.2 廣告監(jiān)控系統(tǒng)的數(shù)據(jù)挖掘28-29
• 2.3 本章小結(jié)29-31
• 第三章 個性化廣告推薦系統(tǒng)需求分析與整體設(shè)計31-43
• 3.1 現(xiàn)有廣告系統(tǒng)改造需求分析31-36
• 3.1.1 現(xiàn)有廣告聯(lián)盟平臺功能分析32-34
• 3.1.2 現(xiàn)有廣告聯(lián)盟平臺架構(gòu)分析34-36
• 3.2 個性化廣告推薦系統(tǒng)整體設(shè)計36-38
• 3.2.1 業(yè)務(wù)邏輯改造36-37
• 3.2.2 系統(tǒng)架構(gòu)改造37-38
• 3.3 EAVS系統(tǒng)、EACS系統(tǒng)和EMIS系統(tǒng)間關(guān)系設(shè)計38-41
• 3.3.1 EAVS與EMIS系統(tǒng)間的關(guān)系39-40
• 3.3.2 EAVS與EACS系統(tǒng)間的關(guān)系40-41
• 3.4 本章小結(jié)41-43
• 第四章 基于協(xié)同過濾的個性化廣告系統(tǒng)實現(xiàn)43-59
• 4.1 基于WSO的個性化推薦改進(jìn)方案43-49
• 4.1.1 WSO的個性化推薦模型改進(jìn)的基本條件44-45
• 4.1.2 WSO的個性化推薦的改進(jìn)模型45-46
• 4.1.3 改進(jìn)的基于WSO的個性化推薦方法與過程46-49
• 4.2 EAVS廣告顯示系統(tǒng)的設(shè)計與實現(xiàn)49-53
• 4.2.1 網(wǎng)站主獲取的js顯示代碼分析50
• 4.2.2 服務(wù)器端入口程序處理流程50-51
• 4.2.3 EAVS系統(tǒng)表結(jié)構(gòu)設(shè)計51-53
• 4.2.4 程序關(guān)鍵接口53
• 4.3 EACS系統(tǒng)改造設(shè)計與實現(xiàn)53-58
• 4.3.1 EACS系統(tǒng)監(jiān)控流程設(shè)計55-57
• 4.3.2 EACS表結(jié)構(gòu)設(shè)計及主要接口57-58
• 4.4 本章小結(jié)58-59
• 第五章 個性化廣告推薦系統(tǒng)測試與評估59-65
• 5.1 系統(tǒng)應(yīng)用環(huán)境及數(shù)據(jù)準(zhǔn)備59-61
• 5.1.1 實驗環(huán)境和實驗數(shù)據(jù)59-60
• 5.1.2 評價指標(biāo)60-61
• 5.2 實驗設(shè)計及效果展示61-64
• 5.2.1 改進(jìn)后和傳統(tǒng)的協(xié)同過濾算法推薦結(jié)果MAE比較61-62
• 5.2.2 項目屬性對MAE的影響62-63
• 5.2.3 用戶屬性對MAE的影響63-64
• 5.3 本章小結(jié)64-65
• 第六章 結(jié)論及展望65-67
• 參考文獻(xiàn)67-69
• 附錄69-71
• 致謝71-73
• 個人簡歷、在學(xué)期間發(fā)表的論文及研究成果73

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 鄧愛林,朱揚(yáng)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

  本文關(guān)鍵詞：基于協(xié)同過濾的個性化廣告推薦系統(tǒng)的設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：294844