云環(huán)境下DM廣告精準(zhǔn)投放模型研究.pdf

1、近年來(lái)，隨著云計(jì)算、大數(shù)據(jù)和物聯(lián)網(wǎng)等高新技術(shù)的成熟及發(fā)展，推動(dòng)傳統(tǒng)DM(direct mail,譯為“直投廣告”)廣告媒體行業(yè)的快速轉(zhuǎn)型。在云環(huán)境的廣告投放模型中，DM廣告與用戶數(shù)據(jù)量劇增，引起數(shù)據(jù)稀疏性和算法可擴(kuò)展性難題，成為精準(zhǔn)投放模型亟待解決的問(wèn)題。
　　目前傳統(tǒng)廣告投放從用戶行為和內(nèi)容定向兩方面來(lái)建立模型，通過(guò)相似度計(jì)算來(lái)對(duì)用戶進(jìn)行劃分，根據(jù)用戶的共同行為特征或偏好內(nèi)容進(jìn)行廣告投放。云環(huán)境下數(shù)據(jù)集極度稀疏性，使可用于模型訓(xùn)

2、練的有效數(shù)據(jù)很少，無(wú)法準(zhǔn)確找到用戶或廣告的最近鄰居；而大數(shù)據(jù)量計(jì)算，需要耗費(fèi)大量計(jì)算資源和時(shí)間，傳統(tǒng)方法可擴(kuò)展性較差。針對(duì)傳統(tǒng)精準(zhǔn)投放模型的弊端，本文以云環(huán)境下的DM廣告為研究對(duì)象，基于二分k均值聚類和L-BFGS優(yōu)化的協(xié)同過(guò)濾算法提出DM廣告精準(zhǔn)投放模型，論文的核心工作如下：
　　(1)針對(duì)DM廣告投放流程，分析傳統(tǒng)環(huán)境與云環(huán)境下廣告投放流程的區(qū)別，以及云環(huán)境下精準(zhǔn)投放方法和難點(diǎn)，提出本文要解決的關(guān)鍵問(wèn)題，設(shè)計(jì)云環(huán)境下精準(zhǔn)投放模

3、型的兩階段算法。
　　(2)研究廣告精準(zhǔn)投放模型的數(shù)據(jù)處理流程，基于二分k均值和Hadoop分布式數(shù)據(jù)倉(cāng)庫(kù)，對(duì)現(xiàn)有數(shù)據(jù)集轉(zhuǎn)換和聚類分析，根據(jù)實(shí)時(shí)的用戶特征與行為分析選擇聚類簇，作為精準(zhǔn)投放模型中協(xié)同過(guò)濾算法的數(shù)據(jù)輸入。
　　(3)提出一種基于L-BFGS優(yōu)化的協(xié)同過(guò)濾算法作為精準(zhǔn)投放模型預(yù)測(cè)方法，將用戶和商品的特征進(jìn)行組合，使用因子分解機(jī)模型(Factorization Machine，F(xiàn)M模型)預(yù)測(cè)用戶對(duì)廣告的偏好程度，同

4、時(shí)降低數(shù)據(jù)稀疏性影響；使用L-BFGS算法作為FM模型的參數(shù)訓(xùn)練方法，具有收斂速度快和占用計(jì)算空間低等特點(diǎn)，提高訓(xùn)練FM模型的計(jì)算效率和可擴(kuò)展性，滿足云環(huán)境下預(yù)測(cè)精準(zhǔn)度和計(jì)算效率要求。
　　最后，基于Spark計(jì)算框架實(shí)現(xiàn)精準(zhǔn)投放模型和設(shè)計(jì)數(shù)值實(shí)驗(yàn)進(jìn)行驗(yàn)證。通過(guò)不同數(shù)據(jù)集并與其它三種方法進(jìn)行實(shí)驗(yàn)比較，并分析算法收斂速度、特征數(shù)量和數(shù)據(jù)集大小對(duì)算法精準(zhǔn)度的影響。結(jié)果表明：該模型在四個(gè)不同規(guī)模的數(shù)據(jù)集上都有最高的預(yù)測(cè)精準(zhǔn)度，在適當(dāng)增加