基于分類模型的廣告推薦方法研究.pdf

1、伴隨著互聯(lián)網數(shù)據(jù)爆炸式地增長，用戶面對的信息量和種類也越來越多，海量數(shù)據(jù)挖掘技術在個性化推薦系統(tǒng)中的應用成為了一個研究熱點。
　　本文首先總結了常見的幾類推薦方法，主要包括協(xié)同過濾方法、基于內容的推薦方法和混合推薦方法，以及它們涉及到的數(shù)據(jù)挖掘技術，并分析了這幾類方法的優(yōu)點與不足。在此基礎上，本文從廣告推薦問題入手，介紹了計算廣告的相關概念和方法，并引出了兩種基于內容的廣告推薦方法，即單標記分類模型和多標記分類模型。
　　論

2、文的主要工作如下。第一，我們結合Hadoop平臺實現(xiàn)了針對某互聯(lián)網公司提供的廣告日志數(shù)據(jù)的可視化統(tǒng)計與分析工具，利用該工具對數(shù)據(jù)進行分析并發(fā)現(xiàn)了特征之間和廣告之間的依賴關系。第二，提出了利用非廣告特征和廣告特征依賴關系的單標記分類模型的一種改進方法，其利用了互信息來選擇組合特征從而加入特征之間的依賴關系。第三，提出了利用廣告之間依賴關系的多標記分類模型改進方法，其通過一種啟發(fā)式的方法來構建分類器鏈從而更好地利用廣告之間的依賴關系。最后，