發(fā)布時間：2017-05-07 09:04

  本文關鍵詞：基于大數(shù)據(jù)的網(wǎng)絡廣告推送服務研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,隨著互聯(lián)網(wǎng)的迅猛發(fā)展以及大數(shù)據(jù)時代的來臨,傳統(tǒng)互聯(lián)網(wǎng)廣告投放的粗放性和無目標性弊端越來越明顯,使得市場對精準互聯(lián)網(wǎng)廣告的需求變得十分迫切。于是在此背景下誕生了一種新的廣告模式—大數(shù)據(jù)環(huán)境下的網(wǎng)絡定向廣告,即通過一定的技術將廣告定向推送給目標用戶。而以定向廣告為核心的網(wǎng)絡廣告推送服務也隨之而來,雖然學術界目前對其已經(jīng)取得了一些研究成果,但廣告與目標用戶失配的情況依然大量存在,如何有效提高推送服務中廣告與目標用戶匹配的準確度成了一個迫切需要解決的問題。 廣告與目標用戶準確匹配的一個關鍵在于準確地分析出用戶的興趣點,進而才能向其投放與之興趣吻合的廣告。數(shù)據(jù)管理平臺(DMP)是一個用戶數(shù)據(jù)分析平臺,也是整個網(wǎng)絡廣告推送服務體系的核心,其主要功能是分析出用戶的上網(wǎng)興趣特征。論文將目光集中在該平臺中的行為定向廣告模塊,對其中用戶行為特征分析所涉及的一些技術進行了認真研究,包括網(wǎng)頁特征詞提取技術、相似網(wǎng)頁聚合方法、用戶行為分析算法等,隨后提出在原有相似網(wǎng)頁聚合方法的基礎上融入一種基于Redis的網(wǎng)頁類別判定方法,形成一個旨在提高相似網(wǎng)頁聚合準確性的優(yōu)化策略。其準確性越好,分析出的用戶興趣越精確。該優(yōu)化策略首先搜集各熱門行業(yè)的詞匯及其行業(yè)類別屬性,統(tǒng)一建模,建立Redis知識庫,然后依據(jù)該知識庫以及相關判定算法實現(xiàn)對網(wǎng)頁特征詞的行業(yè)類別判定,之后綜合所有特征詞的行業(yè)類別并通過權重值計算得出網(wǎng)頁的行業(yè)類別,最后將其與原相似網(wǎng)頁聚合中用到的向量空間模型和聚類算法等結合,重新定義聚合標準,進而達到提高相似網(wǎng)頁聚合準確性的目的。之后又參考該優(yōu)化策略,將基于Redis的網(wǎng)頁類別判定融入到用戶興趣與廣告匹配的過程中,同樣改善了廣告與目標用戶的匹配效果。 最后,論文設計并實現(xiàn)了數(shù)據(jù)管理平臺子模塊,并選取北京交通大學信息中心部分網(wǎng)絡日志作為數(shù)據(jù)源,以網(wǎng)頁相似性聚合準確率和召回率、廣告匹配準確率和召回率作為評價指標,分別對優(yōu)化前后的相似網(wǎng)頁聚合效果以及優(yōu)化前后廣告匹配效果進行對比分析,之后得出優(yōu)化后的四個評價指標在一定程度上都有相應提高,最終驗證了論文提出的優(yōu)化方法對提高相似網(wǎng)頁聚合準確性以及廣告與目標用戶匹配的準確度有所幫助。
【關鍵詞】：定向廣告匹配 行為特征分析 相似網(wǎng)頁聚合 網(wǎng)頁類別判定 Redis
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP311.52
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-21
• 1.1 選題背景和意義12-15
• 1.1.1 互聯(lián)網(wǎng)發(fā)展現(xiàn)狀12-13
• 1.1.2 聯(lián)網(wǎng)廣告13-15
• 1.1.3 研究意義15
• 1.2 研究現(xiàn)狀15-19
• 1.2.1 網(wǎng)絡定向廣告推送服務平臺15-16
• 1.2.2 網(wǎng)絡定向廣告種類16-17
• 1.2.3 網(wǎng)絡定向廣告投放技術17-19
• 1.3 研究內容與目標19
• 1.4 論文組織結構19-21
• 2 網(wǎng)絡定向廣告推送服務體系21-30
• 2.1 網(wǎng)絡定向廣告推送服務功能架構21-22
• 2.2 數(shù)據(jù)管理平臺22-26
• 2.2.1 用戶上網(wǎng)數(shù)據(jù)預處理23-24
• 2.2.2 用戶行為特征分析24-26
• 2.2.3 數(shù)據(jù)更新26
• 2.3 需求方平臺26-29
• 2.3.1 廣告計價模式27-28
• 2.3.2 實時競價(RTB)28-29
• 2.4 本章小結29-30
• 3 用戶行為特征分析關鍵技術30-40
• 3.1 Hadoop平臺30-32
• 3.1.1 Mapreduce并行計算框架30-31
• 3.1.2 HDFS分布式文件系統(tǒng)31-32
• 3.2 基于jsoup的HTML解析方法32-33
• 3.3 向量空間模型33-35
• 3.4 聚類算法35-37
• 3.5 用戶行為分析算法37-39
• 3.5.1 特征新鮮度37-38
• 3.5.2 特征離散度38-39
• 3.5.3 離散因子39
• 3.6 本章小結39-40
• 4 用戶行為特征分析相關技術優(yōu)化40-52
• 4.1 基于Redis的網(wǎng)頁類別判定40-49
• 4.1.1 Redis簡介41-43
• 4.1.2 設計方案概述43-44
• 4.1.3 知識庫的建立44-46
• 4.1.4 網(wǎng)頁類別判定的實現(xiàn)46-49
• 4.2 相似網(wǎng)頁聚合優(yōu)化49-51
• 4.3 本章小結51-52
• 5 數(shù)據(jù)管理平臺子模塊的實現(xiàn)52-61
• 5.1 概要設計52-53
• 5.2 Hadoop平臺搭建53-55
• 5.3 功能模塊實現(xiàn)55-60
• 5.3.1 數(shù)據(jù)預處理55-56
• 5.3.2 網(wǎng)頁特征詞提取56-57
• 5.3.3 相似網(wǎng)頁聚合57-59
• 5.3.5 行為特征分析59-60
• 5.4 本章小結60-61
• 6 實驗結果及分析61-68
• 6.1 實驗數(shù)據(jù)選取61
• 6.2 實驗評價指標61-62
• 6.3 實驗結果分析62-67
• 6.4 本章小結67-68
• 7 總結與展望68-70
• 7.1 工作總結68
• 7.2 未來工作與展望68-70
• 參考文獻70-72
• 作者簡介及攻讀碩士學位期間取得的研究成果72-74
• 學位論文數(shù)據(jù)集#@@

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 王中華;;網(wǎng)絡廣告模式現(xiàn)存問題及解決思路探討[J];經(jīng)濟研究導刊;2010年01期

2 劉遷;賈惠波;;中文信息處理中自動分詞技術的研究與展望[J];計算機工程與應用;2006年03期

3 熊文新;宋柔;;信息檢索用戶查詢語句的停用詞過濾[J];計算機工程;2007年06期

4 施聰鶯;徐朝軍;楊曉江;;TFIDF算法研究綜述[J];計算機應用;2009年S1期

5 俞淑平;陳剛;;一種高效的行為定向廣告投放算法[J];計算機應用與軟件;2011年01期

6 沈維梅;;網(wǎng)絡精準廣告的發(fā)展及困惑[J];新聞界;2010年01期

7 宮學慶;王立;何曉豐;;基于用戶分組的廣告定位(英文)[J];華東師范大學學報(自然科學版);2013年03期

8 謝桂蘭;羅省賢;;基于Hadoop MapReduce模型的應用研究[J];微型機與應用;2010年08期

  本文關鍵詞：基于大數(shù)據(jù)的網(wǎng)絡廣告推送服務研究，由筆耕文化傳播整理發(fā)布。

本文編號：349549