面向智能終端的廣告投放系統設計與實現
發(fā)布時間：2021-04-01 11:57
隨著互聯網的普及和智能終端技術的發(fā)展,廣告媒介從傳統的電視機、廣播、新聞報紙向互聯網及智能顯示終端過渡。廣告形式呈現多樣化趨勢,例如社交網絡廣告、多媒體廣告、智能終端廣告等。中文廣告分類對于廣告分析、廣告投放的重要性日趨顯著。本文所做工作如下:一、根據中文廣告文本的特點,設計了基于SVM的中文廣告分類方法;二、設計并實現了面向智能終端的廣告投放系統。中文廣告分類方法首先對樣本數據進行中文分詞、停用詞語及低頻詞語過濾等預處理,然后計算特征權重,使用類貝葉斯網絡拓展向量空間模型,最后使用SVM支持向量機進行中文廣告分類。結合實驗數據說明各個步驟中參數的選取過程,分析分類結果。為了進一步將該方法應用于實踐,并改進傳統終端廣告投放方式中價格高、缺乏互動性以及投放效果難以監(jiān)控的不足之處,本文設計并實現了面向智能終端的廣告投放系統。面向智能終端的廣告投放系統以智能終端技術發(fā)展為基礎,并結合多媒體素材處理、中文廣告分析、Wi-Fi人流量檢測等技術。該系統分為投放子系統、管理子系統、展示子系統以及分析子系統四部分,為廣告聯盟成員提供智能終端管理、投放場景選擇、訂單審核及廣告展示等功能。為了準確的監(jiān)控廣...
【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校
【文章頁數】：75 頁
【學位級別】：碩士
【部分圖文】：
圖３－１中文廣告分類流程??
四、ＳＶＭ分類算法??ＳＶＭ基本模型定義為特征空間上間隔最大的線性分類器，其學習策略是間??隔最大化，最終可轉化為一個凸二次規(guī)劃問題的求解。以圖３－４為例，Ｃ１和Ｃ２??分別代表樣本集合中的兩個類別。超平面Ｈ將樣本分割在Ｃ１和Ｃ２兩側，超平??面一側的點都為Ｃ１類，另一側的點都為Ｃ２類。超平面Ｈ可用如下方程表示：??ｗＴｘｘ?＋?ｂ?—?０?（３?—?６）??超平面Ｈ?ｒｊ??參馨?類Ｃ１??？?Ｗ??Ａ?？??？??Ａ?Ａ?？??Ａ?▲?▲??效２?Ａ???圖３－４?ＳＶＭ原理示意圖??Ｃｌ類與Ｃ２類的分類函數／＾可由公式２．１１表示。／ｗ?＞?０對應Ｃｌ類，／ｗ?＜?０??對應Ｃ２類：??／（ｘ）?＝?ｗＴｘ?＋?ｂ?（３－７）??通常數據并不是線性可分的，處理線性不可分問題時，ＳＶＭ首先完成低維??１４??
?ｗ２ｋ?ｗｎｋ??圖３－３中文廣告類貝葉斯網絡??四、ＳＶＭ分類算法??ＳＶＭ基本模型定義為特征空間上間隔最大的線性分類器，其學習策略是間??隔最大化，最終可轉化為一個凸二次規(guī)劃問題的求解。以圖３－４為例，Ｃ１和Ｃ２??分別代表樣本集合中的兩個類別。超平面Ｈ將樣本分割在Ｃ１和Ｃ２兩側，超平??面一側的點都為Ｃ１類，另一側的點都為Ｃ２類。超平面Ｈ可用如下方程表示：??ｗＴｘｘ?＋?ｂ?—?０?（３?—?６）??超平面Ｈ?ｒｊ??參馨?類Ｃ１??？?Ｗ??Ａ?？??？??Ａ?Ａ?？??Ａ?▲?▲??效２?Ａ???圖３－４?ＳＶＭ原理示意圖??Ｃｌ類與Ｃ２類的分類函數／＾可由公式２．１１表示。／ｗ?＞?０對應Ｃｌ類，／ｗ?＜?０??對應Ｃ２類：??／（ｘ）?＝?ｗＴｘ?＋?ｂ?（３－７）??通常數據并不是線性可分的，處理線性不可分問題時，ＳＶＭ首先完成低維??１４??
【參考文獻】：
期刊論文
[1]基于表示學習的中文分詞[J]. 劉春麗,李曉戈,劉睿,范賢,杜麗萍. 計算機應用. 2016(10)
[2]基于MVVM模式的WEB前端框架的研究[J]. 易劍波. 信息與電腦(理論版). 2016(19)
[3]基于條件隨機場的中文短文本分詞方法[J]. 劉澤文,丁冬,李春文. 清華大學學報(自然科學版). 2015(08)
[4]Node.js:一種新的Web應用構建技術[J]. 王金龍,宋斌,丁銳. 現代電子技術. 2015(06)
[5]中文分詞模型的領域適應性方法[J]. 韓冬煦,常寶寶. 計算機學報. 2015(02)
[6]MVVM設計模式及其應用研究[J]. 陳濤. 計算機與數字工程. 2014(10)
[7]基于MVC模式的ThinkPHP框架研究[J]. 王俊芳,李隱峰,王池. 電子科技. 2014(04)
[8]一種基于頻繁詞集的短文本特征擴展方法[J]. 袁滿,歐陽元新,熊璋,羅建輝. 東南大學學報(自然科學版). 2014(02)
[9]三種中文文本自動分類算法的比較和研究[J]. 陳琳,王箭. 計算機與現代化. 2012(02)
[10]計算廣告:以數據為核心的Web綜合應用[J]. 周傲英,周敏奇,宮學慶. 計算機學報. 2011(10)
碩士論文
[1]基于隨機森林和Spark的并行文本分類算法研究[D]. 羅元帥.西南交通大學 2016
[2]基于改進TFIDF的混合模型文本分類方法研究[D]. 陳棟.華中師范大學 2016
[3]基于循環(huán)神經網絡模型的文本分類[D]. 龔千健.華中科技大學 2016
[4]基于用戶行為的網絡廣告精準投放平臺的研究[D]. 金鵬.華中師范大學 2015
[5]基于標簽的個性化廣告精準營銷系統設計與實現[D]. 張國燕.華中師范大學 2013
本文編號：3113294
【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校
【文章頁數】：75 頁
【學位級別】：碩士
【部分圖文】：
圖３－１中文廣告分類流程??
四、ＳＶＭ分類算法??ＳＶＭ基本模型定義為特征空間上間隔最大的線性分類器，其學習策略是間??隔最大化，最終可轉化為一個凸二次規(guī)劃問題的求解。以圖３－４為例，Ｃ１和Ｃ２??分別代表樣本集合中的兩個類別。超平面Ｈ將樣本分割在Ｃ１和Ｃ２兩側，超平??面一側的點都為Ｃ１類，另一側的點都為Ｃ２類。超平面Ｈ可用如下方程表示：??ｗＴｘｘ?＋?ｂ?—?０?（３?—?６）??超平面Ｈ?ｒｊ??參馨?類Ｃ１??？?Ｗ??Ａ?？??？??Ａ?Ａ?？??Ａ?▲?▲??效２?Ａ???圖３－４?ＳＶＭ原理示意圖??Ｃｌ類與Ｃ２類的分類函數／＾可由公式２．１１表示。／ｗ?＞?０對應Ｃｌ類，／ｗ?＜?０??對應Ｃ２類：??／（ｘ）?＝?ｗＴｘ?＋?ｂ?（３－７）??通常數據并不是線性可分的，處理線性不可分問題時，ＳＶＭ首先完成低維??１４??
?ｗ２ｋ?ｗｎｋ??圖３－３中文廣告類貝葉斯網絡??四、ＳＶＭ分類算法??ＳＶＭ基本模型定義為特征空間上間隔最大的線性分類器，其學習策略是間??隔最大化，最終可轉化為一個凸二次規(guī)劃問題的求解。以圖３－４為例，Ｃ１和Ｃ２??分別代表樣本集合中的兩個類別。超平面Ｈ將樣本分割在Ｃ１和Ｃ２兩側，超平??面一側的點都為Ｃ１類，另一側的點都為Ｃ２類。超平面Ｈ可用如下方程表示：??ｗＴｘｘ?＋?ｂ?—?０?（３?—?６）??超平面Ｈ?ｒｊ??參馨?類Ｃ１??？?Ｗ??Ａ?？??？??Ａ?Ａ?？??Ａ?▲?▲??效２?Ａ???圖３－４?ＳＶＭ原理示意圖??Ｃｌ類與Ｃ２類的分類函數／＾可由公式２．１１表示。／ｗ?＞?０對應Ｃｌ類，／ｗ?＜?０??對應Ｃ２類：??／（ｘ）?＝?ｗＴｘ?＋?ｂ?（３－７）??通常數據并不是線性可分的，處理線性不可分問題時，ＳＶＭ首先完成低維??１４??
【參考文獻】：
期刊論文
[1]基于表示學習的中文分詞[J]. 劉春麗,李曉戈,劉睿,范賢,杜麗萍. 計算機應用. 2016(10)
[2]基于MVVM模式的WEB前端框架的研究[J]. 易劍波. 信息與電腦(理論版). 2016(19)
[3]基于條件隨機場的中文短文本分詞方法[J]. 劉澤文,丁冬,李春文. 清華大學學報(自然科學版). 2015(08)
[4]Node.js:一種新的Web應用構建技術[J]. 王金龍,宋斌,丁銳. 現代電子技術. 2015(06)
[5]中文分詞模型的領域適應性方法[J]. 韓冬煦,常寶寶. 計算機學報. 2015(02)
[6]MVVM設計模式及其應用研究[J]. 陳濤. 計算機與數字工程. 2014(10)
[7]基于MVC模式的ThinkPHP框架研究[J]. 王俊芳,李隱峰,王池. 電子科技. 2014(04)
[8]一種基于頻繁詞集的短文本特征擴展方法[J]. 袁滿,歐陽元新,熊璋,羅建輝. 東南大學學報(自然科學版). 2014(02)
[9]三種中文文本自動分類算法的比較和研究[J]. 陳琳,王箭. 計算機與現代化. 2012(02)
[10]計算廣告:以數據為核心的Web綜合應用[J]. 周傲英,周敏奇,宮學慶. 計算機學報. 2011(10)
碩士論文
[1]基于隨機森林和Spark的并行文本分類算法研究[D]. 羅元帥.西南交通大學 2016
[2]基于改進TFIDF的混合模型文本分類方法研究[D]. 陳棟.華中師范大學 2016
[3]基于循環(huán)神經網絡模型的文本分類[D]. 龔千健.華中科技大學 2016
[4]基于用戶行為的網絡廣告精準投放平臺的研究[D]. 金鵬.華中師范大學 2015
[5]基于標簽的個性化廣告精準營銷系統設計與實現[D]. 張國燕.華中師范大學 2013
本文編號：3113294
本文鏈接：http://sikaile.net/wenyilunwen/guanggaoshejilunwen/3113294.html
