【摘要】：分眾營銷是針對傳統(tǒng)營銷的一種突破,其強(qiáng)調(diào)精確、細(xì)分、實效。微博則是近幾年最流行的新興網(wǎng)絡(luò)媒介,其信息傳播速度之快,用戶參與程度之高,用戶凝聚力之強(qiáng)大,正好與分眾營銷所需的條件不謀而合。 本文首先分析了課題的背景與現(xiàn)狀,對國內(nèi)外研究現(xiàn)狀進(jìn)行了詳細(xì)的分析。隨后針對分眾營銷,描述了分眾營銷的基本概念和分眾營銷的基本流程,總結(jié)了分眾營銷的特點。針對微博,描述了微博的基本概念,總結(jié)了微博的基本數(shù)據(jù)關(guān)系,分析了微博的核心,個性化推薦系統(tǒng)。針對微博營銷,分析了微博營銷的前景與特點,給出了微博營銷常用的技巧與策略,分析了幾個經(jīng)典的微博營銷案例,最后提出了微博分眾營銷。 文章針對微博的圈子的形成,提出了一種基于用戶人口統(tǒng)計學(xué)特征和發(fā)表內(nèi)容相關(guān)的聚類分析算法UAFCC,給出了算法的詳細(xì)公式,實現(xiàn)以及應(yīng)用,在UAFCC聚類的結(jié)果上,詳細(xì)的分析了微博中的個性化推薦系統(tǒng)中使用的個性化推薦算法,總結(jié)了推薦算法的重點與難點問題,針對微博系統(tǒng),在基于協(xié)同過濾和內(nèi)容分析的前融合算法框架之下,設(shè)計了新的效用函數(shù),提出了一個新的推薦框架。 論文最后對全文做出了總結(jié),并對未來研究方向進(jìn)行了展望。
【圖文】：

華南理工大學(xué)碩士學(xué)位論文公式（3.1）中，模糊指數(shù)用σ 代替，該值可以指定，σ =1 意味著精確聚類，與 K-Mean算法相似，σ 值越大代表聚類質(zhì)量越低，σ 值的推薦系統(tǒng)中用戶屬性確定，由于我們不可能做到精確聚類，所以我們將取 σ = 2。3.2.2 UAFCC 算法編程實現(xiàn)本實驗采用 Eclipse 為平臺，Java 為編程語言，代碼較長，本文貼出部分關(guān)鍵代碼見附錄 I，算法流程圖如下：

CBCB 算法的驗證我們采用第三章中使用的數(shù)據(jù)集 DS，通過算法隨機(jī)填充數(shù)據(jù)，，包括 6040 個獨3867 種產(chǎn)品，約 100 萬次評分。目前最通用的評價推薦算法和推薦系統(tǒng)質(zhì)量的方法為計算平均絕對誤差 MAE，法為：1| |Ni iip qMAEN= =∑（其中，N 為推薦系統(tǒng)中的 Top-N 數(shù)量，ip為預(yù)測評分，iq為用戶實際評分。我們在 DS 數(shù)據(jù)集中隨機(jī)抽取 2000 條數(shù)據(jù)記錄，最近鄰 X 對算法（用戶對象象的屬性是確定的，其人口統(tǒng)計學(xué)特征在聚類中已考慮）的影響如下圖：數(shù)據(jù)集大小對算法的影響如圖：
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：F49;F274

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前3條

1 陳曉明;企業(yè)微博客營銷效果的影響因素分析[D];暨南大學(xué);2012年

2 熊會會;基于復(fù)雜網(wǎng)絡(luò)的微博客信息傳播機(jī)制研究[D];華南理工大學(xué);2012年

3 段超龍;微博營銷初探[D];四川省社會科學(xué)院;2012年

本文編號：2653537