為有效細(xì)分目標(biāo)受眾,利用用戶行為信息設(shè)計(jì)藝術(shù)廣告媒體推送機(jī)制。采用相似度算法計(jì)算用戶瀏覽媒體內(nèi)容的相似度,獲取用戶行為特征即用戶對(duì)內(nèi)容的偏好程度。設(shè)置閾值,內(nèi)容相似程度在閾值以上視內(nèi)容為相同簇,完成用戶行為信息內(nèi)容簇分類(lèi)。計(jì)算有效簇內(nèi)用戶行為新鮮度與離散度,結(jié)合新鮮因子求取有效簇最終權(quán)重。最后利用有效簇最終權(quán)重與用戶對(duì)內(nèi)容的偏好程度計(jì)算藝術(shù)廣告推送分?jǐn)?shù),對(duì)廣告排序選出適合用戶的廣告。藝術(shù)廣告媒體推送測(cè)試結(jié)果顯示,所設(shè)計(jì)廣告推送機(jī)制在長(zhǎng)期與短期內(nèi)的召回率與查準(zhǔn)率較優(yōu),依據(jù)用戶行為特征向用戶精準(zhǔn)推送藝術(shù)廣告信息。 

【文章來(lái)源】：現(xiàn)代電子技術(shù). 2020,43(01)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

基于用戶行為信息的藝術(shù)廣告媒體推送機(jī)制

本文設(shè)計(jì)基于用戶行為信息的藝術(shù)廣告媒體推送機(jī)制，構(gòu)建實(shí)驗(yàn)環(huán)境測(cè)試該機(jī)制推送廣告的效果。實(shí)驗(yàn)以網(wǎng)絡(luò)媒體為載體，實(shí)驗(yàn)數(shù)據(jù)集為500張網(wǎng)頁(yè)內(nèi)容，內(nèi)容涉及旅游、財(cái)經(jīng)、體育、藝術(shù)以及電腦5個(gè)類(lèi)別，每種類(lèi)別包含100張網(wǎng)頁(yè)，網(wǎng)頁(yè)內(nèi)容隨機(jī)分布。預(yù)設(shè)800個(gè)與網(wǎng)頁(yè)瀏覽內(nèi)容相關(guān)的廣告，預(yù)設(shè)400個(gè)與網(wǎng)頁(yè)瀏覽內(nèi)容無(wú)關(guān)的廣告。用戶瀏覽內(nèi)容的相似度計(jì)算影響用戶行為特征提取結(jié)果，進(jìn)一步影響藝術(shù)廣告媒體推送分?jǐn)?shù)，所以，首先測(cè)試本文機(jī)制中用戶瀏覽內(nèi)容的相似度計(jì)算精準(zhǔn)度，用平均絕對(duì)誤差進(jìn)行評(píng)估。若計(jì)算結(jié)果低于0.2證明相似度計(jì)算值符合用戶行為特征提取要求。網(wǎng)頁(yè)瀏覽數(shù)量不同時(shí)，本文機(jī)制計(jì)算用戶瀏覽內(nèi)容相似度的平均絕對(duì)誤差如圖2所示。圖2中，本文機(jī)制計(jì)算內(nèi)容的相似度平均絕對(duì)誤差初始值在0.18左右，符合用戶行為特征精準(zhǔn)提取標(biāo)準(zhǔn)，隨著實(shí)驗(yàn)的不斷進(jìn)行，平均絕對(duì)誤差呈下降趨勢(shì)，用戶瀏覽網(wǎng)頁(yè)達(dá)到40張時(shí)，本文機(jī)制計(jì)算內(nèi)容相似度的平均絕對(duì)誤差趨于平穩(wěn)，在0.11上下浮動(dòng)�？傮w看來(lái)，本文機(jī)制計(jì)算內(nèi)容的相似度誤差較低，為用戶行為特征計(jì)算、廣告推送分?jǐn)?shù)計(jì)算創(chuàng)造了準(zhǔn)確的數(shù)據(jù)條件。

用戶行為的新鮮程度在最終權(quán)值中的關(guān)鍵程度通過(guò)新鮮因子體現(xiàn)。定義行為因子為6%，λ={0.0,0.1,0.2,?,1.0}。新鮮因子對(duì)藝術(shù)廣告媒體推送的影響如圖3所示。分析圖3可知，隨著新鮮因子的增加，五種類(lèi)別網(wǎng)頁(yè)內(nèi)容的最終權(quán)重變化存在差異，財(cái)經(jīng)、體育類(lèi)別網(wǎng)頁(yè)內(nèi)容簇權(quán)重增加，其余類(lèi)別權(quán)重為降低趨勢(shì)。這種變化說(shuō)明，本文研究的藝術(shù)廣告媒體推送機(jī)制能夠根據(jù)用戶的行為信息特征適時(shí)調(diào)整推送廣告的類(lèi)別，實(shí)現(xiàn)用戶長(zhǎng)期行為、短期行為廣告的精準(zhǔn)推送。2）行為因子對(duì)藝術(shù)廣告媒體推送的影響


本文編號(hào)：3354721