在線社交網絡中社交廣告投放算法研究
發(fā)布時間：2024-06-07 03:28
在線社交網絡的蓬勃發(fā)展推動了社交平臺中廣告的飛速增長,廣告成為社交平臺的主要盈利點之一。如何利用社交影響力提高社交廣告的投放效果,成為在線社交網絡的關鍵研究問題之一。然而,社交廣告的類型多樣,現(xiàn)有的研究在挖掘社交影響力、算法結果的準確性以及運行時間的高效性等方面存在不足。因此,本文針對社交展示廣告和病毒營銷兩種類型的社交廣告投放算法展開了深入研究。針對社交展示廣告,本文提出了在線社交網絡中基于主題的社交展示廣告優(yōu)化(TSDO)問題,并設計了多種方案進行求解。首先,對基于主題的社交展示廣告最優(yōu)化問題進行了形式化定義,并分析了問題的復雜度。然后,為了克服現(xiàn)有啟發(fā)式算法中啟發(fā)策略的缺點,提出了基于拓撲結構的啟發(fā)式策略,該策略綜合考慮了網絡拓撲結構和用戶的主題偏好。特別地,該策略可以推廣到現(xiàn)有的啟發(fā)式算法中。之后,為了提升算法效率,設計了基于社區(qū)的求解方案。最后,基于兩個真實的數(shù)據集開展了實驗,實驗結果表明,提出的啟發(fā)式算法提高了廣告的期望點擊率,基于社區(qū)的算法降低了運行時間。針對病毒營銷,為了解決基于位置和主題的影響力最大化(LTIM)問題,本文提出了基于優(yōu)化粒子群的影響力最大化算法ILTI...
【文章頁數(shù)】：83 頁
【學位級別】：碩士
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內外研究現(xiàn)狀
1.2.1 社交展示廣告研究現(xiàn)狀
1.2.2 病毒營銷與影響力最大化研究現(xiàn)狀
1.3 研究內容與目標
1.3.1 研究內容
1.3.2 研究目標
1.4 論文的組織結構
第二章 相關技術
2.1 社交網絡分析相關技術
2.1.1 信息傳播模型
2.1.2 節(jié)點影響力度量方法
2.1.3 社區(qū)發(fā)現(xiàn)技術
2.2 在線社交網絡中社交展示廣告投放算法
2.2.1 社交網絡中的社交展示廣告
2.2.2 點擊概率函數(shù)的計算方式
2.2.3 社交展示廣告投放算法
2.3 病毒營銷與影響力最大化
2.3.1 病毒營銷與影響力最大化問題
2.3.2 影響力最大化算法
2.4 本章小結
第三章 在線社交網絡中基于主題的社交展示廣告投放算法
3.1 引言
3.2 問題定義
3.2.1 查詢模型
3.2.2 數(shù)據模型
3.2.3 基于主題的社交展示廣告最優(yōu)化問題
3.2.4 問題復雜度
3.3 基于拓撲結構的啟發(fā)式算法
3.3.1 符號定義
3.3.2 基于拓撲感知的啟發(fā)策略
3.3.3 啟發(fā)式算法
3.4 基于社區(qū)的求解方案
3.4.1 社區(qū)發(fā)現(xiàn)
3.4.2 基于優(yōu)先隊列的種子選取
3.5 實驗與分析
3.5.1 實驗環(huán)境與設置
3.5.2 實驗結果及分析
3.6 本章小結
第四章 基于優(yōu)化粒子群的影響力最大化算法
4.1 引言
4.2 問題描述
4.2.1 問題形式化定義
4.2.2 問題難度
4.3 ILTIMPSO算法框架
4.4 建立森林索引
4.4.1 森林索引結構
4.4.2 森林索引檢索目標用戶
4.5 建立用戶影響者索引
4.5.1 用戶影響者索引
4.5.2 用戶影響者索引獲取候選用戶
4.6 ILTIMPSO算法
4.6.1 PSO基礎
4.6.2 改進的粒子群優(yōu)化算法框架
4.6.3 相關參數(shù)與操作重定義
4.6.4 適應度函數(shù)
4.6.5 粒子群初始化
4.6.6 粒子調整策略
4.6.7 提高全局搜索能力
4.7 實驗與分析
4.7.1 實驗環(huán)境與設置
4.7.2 實驗結果及分析
4.8 本章小結
第五章 結束語
5.1 總結
5.2 未來工作
參考文獻
致謝
攻讀碩士學位期間發(fā)表和錄用的論文
本文編號：3990710
【文章頁數(shù)】：83 頁
【學位級別】：碩士
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內外研究現(xiàn)狀
1.2.1 社交展示廣告研究現(xiàn)狀
1.2.2 病毒營銷與影響力最大化研究現(xiàn)狀
1.3 研究內容與目標
1.3.1 研究內容
1.3.2 研究目標
1.4 論文的組織結構
第二章 相關技術
2.1 社交網絡分析相關技術
2.1.1 信息傳播模型
2.1.2 節(jié)點影響力度量方法
2.1.3 社區(qū)發(fā)現(xiàn)技術
2.2 在線社交網絡中社交展示廣告投放算法
2.2.1 社交網絡中的社交展示廣告
2.2.2 點擊概率函數(shù)的計算方式
2.2.3 社交展示廣告投放算法
2.3 病毒營銷與影響力最大化
2.3.1 病毒營銷與影響力最大化問題
2.3.2 影響力最大化算法
2.4 本章小結
第三章 在線社交網絡中基于主題的社交展示廣告投放算法
3.1 引言
3.2 問題定義
3.2.1 查詢模型
3.2.2 數(shù)據模型
3.2.3 基于主題的社交展示廣告最優(yōu)化問題
3.2.4 問題復雜度
3.3 基于拓撲結構的啟發(fā)式算法
3.3.1 符號定義
3.3.2 基于拓撲感知的啟發(fā)策略
3.3.3 啟發(fā)式算法
3.4 基于社區(qū)的求解方案
3.4.1 社區(qū)發(fā)現(xiàn)
3.4.2 基于優(yōu)先隊列的種子選取
3.5 實驗與分析
3.5.1 實驗環(huán)境與設置
3.5.2 實驗結果及分析
3.6 本章小結
第四章 基于優(yōu)化粒子群的影響力最大化算法
4.1 引言
4.2 問題描述
4.2.1 問題形式化定義
4.2.2 問題難度
4.3 ILTIMPSO算法框架
4.4 建立森林索引
4.4.1 森林索引結構
4.4.2 森林索引檢索目標用戶
4.5 建立用戶影響者索引
4.5.1 用戶影響者索引
4.5.2 用戶影響者索引獲取候選用戶
4.6 ILTIMPSO算法
4.6.1 PSO基礎
4.6.2 改進的粒子群優(yōu)化算法框架
4.6.3 相關參數(shù)與操作重定義
4.6.4 適應度函數(shù)
4.6.5 粒子群初始化
4.6.6 粒子調整策略
4.6.7 提高全局搜索能力
4.7 實驗與分析
4.7.1 實驗環(huán)境與設置
4.7.2 實驗結果及分析
4.8 本章小結
第五章 結束語
5.1 總結
5.2 未來工作
參考文獻
致謝
攻讀碩士學位期間發(fā)表和錄用的論文
本文編號：3990710
本文鏈接：http://www.lk138.cn/guanlilunwen/yingxiaoguanlilunwen/3990710.html
