【摘要】：近幾年來(lái),在大數(shù)據(jù)與深度學(xué)習(xí)算法推動(dòng)下人工智能實(shí)現(xiàn)了快速的發(fā)展,人臉識(shí)別技術(shù)更是其中一項(xiàng)熱門(mén)的研究領(lǐng)域。在實(shí)驗(yàn)室環(huán)境中,人臉識(shí)別技術(shù)精度已超過(guò)99.5%。在此基礎(chǔ)上,各方也在尋求人臉識(shí)別的應(yīng)用領(lǐng)域,而當(dāng)下線下的廣告機(jī)缺少有針對(duì)性的個(gè)性化推薦,一定程度上影響廣告的傳播效果。所以本文將人臉識(shí)別技術(shù)與線下廣告機(jī)播放場(chǎng)景結(jié)合,重點(diǎn)研究了基于“人臉畫(huà)像”的廣告推薦算法。這對(duì)人臉識(shí)別技術(shù)的應(yīng)用領(lǐng)域是一種擴(kuò)展,對(duì)線下廣告推薦系統(tǒng)的智能化發(fā)展也有重大意義。在播放地點(diǎn)固定的廣告機(jī)場(chǎng)景中,比如電梯間和公交站旁的廣告機(jī),通過(guò)人臉識(shí)別技術(shù),可以對(duì)觀看廣告的用戶建立“人臉畫(huà)像”,提取出年齡、性別等特征,同一特征的用戶群體對(duì)廣告存在相同的偏好,如女性可能對(duì)化妝品類的廣告更感興趣。根據(jù)這一應(yīng)用情況,本文提出了一種基于“人臉畫(huà)像”的廣告推薦概率模型,通過(guò)人臉識(shí)別技術(shù)識(shí)別用戶的人臉特征,推薦用戶可能感興趣的廣告。首先,提出了“人臉畫(huà)像”與廣告的語(yǔ)義相似度推薦模型,根據(jù)“人臉畫(huà)像”屬性與廣告描述特征的相關(guān)度進(jìn)行冷啟動(dòng)推薦,并通過(guò)基于內(nèi)容的推薦算法學(xué)習(xí)用戶感興趣的廣告特征,不斷改善模型的推薦效果;其次,根據(jù)用戶觀看廣告時(shí)長(zhǎng)提出了用戶反饋推薦模型,用戶觀看廣告的時(shí)間越長(zhǎng),對(duì)廣告感興趣的可能性越高,模型采用協(xié)同過(guò)濾算法分析用戶的歷史觀看記錄,進(jìn)行廣告推薦;再次,對(duì)廣告的播放歷史大數(shù)據(jù)分析提出了時(shí)間密度推薦模型,通過(guò)DBSCAN算法對(duì)廣告歷史播放記錄分析,對(duì)廣告播放時(shí)間進(jìn)行聚類,找出當(dāng)前廣告最有可能被觀看的時(shí)間段。最后根據(jù)上述三種模型不同的適用場(chǎng)景,將模型按概率進(jìn)行融合,提出一種基于“人臉畫(huà)像”的概率推薦模型。通過(guò)實(shí)驗(yàn)對(duì)比,有推薦的廣告機(jī)播放系統(tǒng)比無(wú)推薦的廣告機(jī)播放系統(tǒng)日平均觀看率提高了 1.59%,日平均觀看時(shí)長(zhǎng)比率提高了 0.33%,通過(guò)實(shí)踐應(yīng)用檢驗(yàn)了基于人類畫(huà)像的廣告推薦算法的有效性。
【圖文】：

果就差了很多，現(xiàn)在比較流行的檢測(cè)方法是基于深度學(xué)習(xí)的檢測(cè)方法，算法原理逡逑可以概括成通過(guò)…定策略裁剪待檢測(cè)圖像，將哉剪后的圖片通過(guò)深度人臉－非人逡逑臉二分類器訓(xùn)練，判定候選區(qū)域是否足人臉。如圖２．丨所示即人臉檢測(cè)效果。逡逑W逡逑圖２．１人臉檢測(cè)示例逡逑

逡逑根據(jù)用戶畫(huà)像，可以做到精準(zhǔn)營(yíng)銷，廣告主可以通過(guò)標(biāo)簽進(jìn)行廣告的精準(zhǔn)投逡逑放；可以分析產(chǎn)品的受眾，，通過(guò)對(duì)產(chǎn)品的歷史交互記錄分析，得出產(chǎn)品的受眾；逡逑可以分析行業(yè)動(dòng)態(tài)，比如學(xué)生群里的消費(fèi)偏好、不同地域的消費(fèi)差異�；ヂ�(lián)網(wǎng)企逡逑業(yè)的用戶畫(huà)像主要通過(guò)用戶定義與數(shù)據(jù)挖掘的方法來(lái)獲取用戶畫(huà)像，用戶定義是逡逑指用戶在注冊(cè)時(shí)提交的個(gè)人信息、偏好信息，或者瀏覽時(shí)所用的ｉｐ信息、設(shè)備逡逑信息等，數(shù)據(jù)挖掘方法是指通過(guò)用戶的瀏覽記錄、消費(fèi)習(xí)慣或用戶關(guān)聯(lián)分析進(jìn)行逡逑挖掘用戶畫(huà)像。逡逑本文給“人臉畫(huà)像”的定義是由人臉識(shí)別獲取的用戶畫(huà)像，叫做“人臉畫(huà)像”，逡逑并根據(jù)不同的理解，給出了狹義的定義與廣義的定義。逡逑狹義的定義：通過(guò)人臉識(shí)別技術(shù)提取的用戶屬性特征，比如年齡、性別、還逡逑有人體識(shí)別等技術(shù)獲取的衣著、身高等特征叫做狹義的“人臉畫(huà)像”。逡逑狹義的“人臉畫(huà)像”獲取流程一般如圖２．２所示。逡逑
【學(xué)位授予單位】：廈門(mén)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 李慧;李存華;王霞;;基于特征選擇的網(wǎng)頁(yè)排名算法[J];計(jì)算機(jī)工程;2010年13期

2 徐翔;王煦法;;協(xié)同過(guò)濾算法中的相似度優(yōu)化方法[J];計(jì)算機(jī)工程;2010年06期

3 李忠俊;周啟海;帥青紅;;一種基于內(nèi)容和協(xié)同過(guò)濾同構(gòu)化整合的推薦系統(tǒng)模型[J];計(jì)算機(jī)科學(xué);2009年12期

4 馬宏偉;張光衛(wèi);李鵬;;協(xié)同過(guò)濾推薦算法綜述[J];小型微型計(jì)算機(jī)系統(tǒng);2009年07期

5 黃昌寧;趙海;;中文分詞十年回顧[J];中文信息學(xué)報(bào);2007年03期

6 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2007年02期

7 鄧愛(ài)林,朱揚(yáng)勇,施伯樂(lè);基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2003年09期

8 趙亮,胡乃靜,張守志;個(gè)性化推薦算法設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2002年08期

本文編號(hào)：2694338