基于DSP平台的个性化广告推荐—用户兴趣模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文研究的内容 | 第15-16页 |
| 1.4 本文章节安排 | 第16-17页 |
| 第2章 基于用户浏览行为的用户兴趣模型 | 第17-31页 |
| 2.1 向量空间模型 | 第17-18页 |
| 2.2 用户浏览行为分析 | 第18-21页 |
| 2.2.1 用户行为的研究方法 | 第19-20页 |
| 2.2.2 用户浏览行为的类型 | 第20-21页 |
| 2.3 结合浏览行为的用户兴趣模型 | 第21-30页 |
| 2.3.1 基于浏览行为的兴趣度量 | 第21-25页 |
| 2.3.2 网页兴趣度计算 | 第25-26页 |
| 2.3.3 网页文本预处理 | 第26-29页 |
| 2.3.4 结合网页兴趣度的用户兴趣模型表示 | 第29页 |
| 2.3.5 改进的用户兴趣模型表示 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于兴趣流的动态兴趣模型 | 第31-42页 |
| 3.1 用户动态兴趣研究 | 第31-33页 |
| 3.2 改进的兴趣流模型 | 第33-37页 |
| 3.3 动态兴趣模型 | 第37-41页 |
| 3.3.1 基于兴趣流模型的网页兴趣值更新 | 第37-38页 |
| 3.3.2 结合遗忘曲线的动态兴趣模型 | 第38-40页 |
| 3.3.3 利用动态兴趣模型对网页兴趣值的处理 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 个性化广告推荐 | 第42-56页 |
| 4.1 个性化广告推荐流程概述 | 第42-44页 |
| 4.2 短文本相似度度量 | 第44-45页 |
| 4.3 DSP广告特征分析 | 第45-47页 |
| 4.4 用户兴趣特征提取算法 | 第47-52页 |
| 4.4.1 用户兴趣特征提取方法的选择 | 第47-49页 |
| 4.4.2 基于聚类的用户兴趣特征提取 | 第49-52页 |
| 4.5 扩展词权重计算 | 第52-54页 |
| 4.6 个性化广告匹配 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 实验结果与分析 | 第56-70页 |
| 5.1 实验设置 | 第56-58页 |
| 5.1.1 实验数据 | 第56-57页 |
| 5.1.2 参数设置 | 第57页 |
| 5.1.3 评价指标 | 第57-58页 |
| 5.2 结果与分析 | 第58-69页 |
| 5.2.1 改进的用户兴趣模型实验结果评测 | 第58-61页 |
| 5.2.2 用户兴趣倾向分析 | 第61-64页 |
| 5.2.3 兴趣关键词词汇扩展前后对比 | 第64-65页 |
| 5.2.4 个性化广告推荐实验结果对比 | 第65-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
