基于DSP平臺的個性化廣告推薦——用戶興趣模型研究.pdf

1、近年來以RTB（實時競價）為主導的新興廣告投放模式推動著廣告業(yè)的快速發(fā)展，DSP（需求方平臺）是RTB中提供廣告投放的平臺，它幫助廣告主尋找合適的目標人群以提高投資回報率。DSP具備語義定向、行為定向、重定向等多種定向手段，其中行為定向通過分析用戶的行為和瀏覽內(nèi)容獲取用戶的興趣偏好，進而投放與興趣相關的廣告，因此對用戶建立興趣模型是提高行為定向中廣告投放效果的重要研究內(nèi)容。
　　興趣模型需要結合用戶瀏覽的網(wǎng)頁文本內(nèi)容和行為度量來表

2、示。目前相關的研究將向量空間模型作為網(wǎng)頁的文本表征方法，以用戶的瀏覽行為作為衡量用戶對網(wǎng)頁興趣度的重要指標，通過將向量空間模型和瀏覽行為度量結合來體現(xiàn)用戶對網(wǎng)頁的興趣程度，但這種方法忽略了用戶興趣的動態(tài)變化過程，影響了廣告投放的精準度。針對這類問題，本文具體的研究工作主要分為以下幾點：
　　1.基于向量空間模型和瀏覽行為度量構建用戶興趣模型。首先分析用戶的瀏覽行為，選取用戶的保存、打印或收藏行為、網(wǎng)頁瀏覽次數(shù)和瀏覽時間作為興趣度的

3、衡量標準，然后結合預處理后的向量空間模型建立用戶興趣模型?？紤]到需要區(qū)分用戶不同時間段的興趣度，在此模型的基礎上進行了改進。
　　2.在用戶興趣模型的基礎上結合興趣流模型建立動態(tài)興趣模型。針對用戶興趣變化的問題，目前研究者們已經(jīng)提出了不少體現(xiàn)動態(tài)興趣的方法，但這些方法通常依賴于參數(shù)的選取，無法自適應地反映用戶興趣的動態(tài)變化過程。本文分析并改進了一種興趣流模型，并將該模型結合艾賓浩斯遺忘曲線加入用戶興趣模型中以構建動態(tài)興趣模型。