近年來,隨著互聯(lián)網(wǎng)的發(fā)展,移動在線社交的出現(xiàn)雖然給商家和第三產(chǎn)業(yè)服務商提供了大量的機遇,但也帶來了“信息過載”等負面影響。精準營銷一直是服務商和運營商最重要的業(yè)務部分,面對數(shù)量龐大的用戶和數(shù)以億計的用戶數(shù)據(jù),傳統(tǒng)的標簽式推薦系統(tǒng)難以快速精準的找到潛在目標用戶。隨著機器學習的興起,“定制化受眾”的概念在推薦領域得到了廣泛應用�！岸ㄖ苹鼙姟钡暮x是當平臺擁有了一定規(guī)模體量的用戶后,平臺推薦系統(tǒng)可以自動為有需要的商家發(fā)現(xiàn)潛在受眾用戶,即使該用戶之前與該商家并未有實際的接觸。定制化受眾的核心思想是Look-alike服務,它的定位是“以人找人”的思維模式,廣告商向平臺提供已有用戶群作為算法種子樣本,定制化受眾系統(tǒng)自動在平臺內(nèi)尋找出潛在目標客戶群。一個完整的定制化受眾系統(tǒng)通常情況下由用戶、廣告商、用戶數(shù)據(jù)三個對象組成。本文的主要研究內(nèi)容是基于社交關系的潛在用戶擴展,在推薦算法的基礎理論研究下,提出了一種基于社交關系的定制化受眾算法模型。該模型讓企業(yè)不用再去對用戶進行基于屬性或興趣進行標簽劃分,能夠利用用戶社交關系,快速挖掘潛在用戶。模型使用word2vec算法完成了用戶屬性信息、社交文本信息的... 

【文章來源】：中南財經(jīng)政法大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

基于內(nèi)容的推薦模型流程圖

基于用戶的協(xié)同過濾

基于物品的協(xié)同過濾

【參考文獻】：
期刊論文
[1]基于深度自動編碼器的多標簽分類研究[J]. 聶煜,廖祥文,魏晶晶,楊定達,陳國龍.  廣西師范大學學報(自然科學版). 2019(01)
[2]基于詞性與詞序的相關因子訓練的word2vec改進模型[J]. 潘博,于重重,張青川,徐世璇,曹帥.  電子學報. 2018(08)
[3]基于Neo4j的社交網(wǎng)絡平臺設計與實現(xiàn)[J]. 張琳,熊斯攀.  情報探索. 2018(08)
[4]基于Word2vec的語義查詢擴展方法[J]. 章露露,呂曉偉.  軟件導刊. 2018(09)
[5]基于Word2vec和SVM的微博情感挖掘與仿真分析[J]. 繆廣寒.  電子科技. 2018(05)
[6]基于社交實值條件的拓撲神經(jīng)網(wǎng)絡推薦算法[J]. 楊璐,洪聯(lián)系.  三明學院學報. 2018(02)
[7]基于用戶興趣變化和評論的協(xié)同過濾算法研究[J]. 董晨露,柯新生.  計算機科學. 2018(03)
[8]基于Node2vec的改進算法的研究[J]. 杜陽陽,李華康,李濤.  計算機技術與發(fā)展. 2018(07)
[9]基于深度學習的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學報. 2018(07)
[10]電信行業(yè)基于種子用戶群擴展技術的定向營銷研究與應用[J]. 張旭,劉洋,胡磊,趙曉東,張海濱.  電信科學. 2018(01)

碩士論文
[1]朋友圈信息流廣告效果影響因素的實證研究[D]. 何岳紅.華南理工大學 2018
[2]基于信任關系的用戶聚類協(xié)同過濾模型研究[D]. 孫楠楠.華南理工大學 2018
[3]基于深度學習的Web社區(qū)推薦算法研究與應用[D]. 劉宇寧.西南交通大學 2018
[4]基于Time-LSTM的推薦系統(tǒng)[D]. 廖翊康.浙江大學 2018
[5]采用Node2Vec模型對網(wǎng)絡特征表示方法研究[D]. 姚銳.南京大學 2018
[6]基于NOSQL數(shù)據(jù)庫的路網(wǎng)最短路徑查詢及優(yōu)化研究[D]. 于海鵬.北京工業(yè)大學 2016
[7]基于協(xié)同過濾模型與隱語義模型的推薦系統(tǒng)研究與實現(xiàn)[D]. 魯權.湖南大學 2013
[8]奢侈品電子商務推薦的協(xié)同過濾算法研究與應用[D]. 李文剛.復旦大學 2012



本文編號：3363821