基于社交关系的定制化受众系统的研究与实现.pdf

基于社交关系的定制化受众系统的研究与实现 摘要 近年来，随着互联网的发展，移动在线社交的出现虽然给商家和第三产业服务商 提供了大量的机遇，但也带来了“信息过载”等负面影响。精准营销一直是服务商和 运营商最重要的业务部分，面对数量庞大的用户和数以亿计的用户数据，传统的标签 式推荐系统难以快速精准的找到潜在目标用户。随着机器学习的兴起，“定制化受众” 的概念在推荐领域得到了广泛应用。“定制化受众”的含义是当平台拥有了一定规模 体量的用户后，平台推荐系统可以自动为有需要的商家发现潜在受众用户，即使该用 户之前与该商家并未有实际的接触。定制化受众的核心思想是Look-alike 服务，它的 定位是 “以人找人”的思维模式，广告商向平台提供已有用户群作为算法种子样本， 定制化受众系统自动在平台内寻找出潜在目标客户群。 一个完整的定制化受众系统通常情况下由用户、广告商、用户数据三个对象组成。 本文的主要研究内容是基于社交关系的潜在用户扩展，在推荐算法的基础理论研究下， 提出了一种基于社交关系的定制化受众算法模型。该模型让企业不用再去对用户进行 基于属性或兴趣进行标签划分，能够利用用户社交关系，快速挖掘潜在用户。模型使 用word2vec 算法完成了用户属性信息、社交文本信息的向量化，借用node2vec 算法 计算邻居结点的思路，利用卷积神经网络计算用户特征向量集合，根据临近相似规则， 从大量数据中到与种子用户相似度最高的人。通过与协同过滤算法对比，模型准确度 较高，达到了优化的目的。 基于该模型，文章结合了某运动潮牌工作室实际情况和前期经营积累下来的用户 数据和商品数据，根据工作室的业务需求及其应用场景，设计并实现了基于社交关系 的定制化受众系统。系统以微博平台作为搭载，主要分为数据采集、数据处理、微博 传播指数计算、用户受众发现和结果分析五大模块。该系统集数据抓取、数据处理、 用户发现、数据分析于一体，用户可以根据微博互动情况获取微博传播情况，并结合 用户反馈调整商品推广计划。文章设计并实现的定制化受众系统，考虑了不同亲密度 的社交关系对推荐结果的影响，在算法的设计中，加重了点赞和转发所带来的二次传 播在社交关系中的影响权重。在系统模拟的推荐结果中，转化率较高，初步达到了用 户扩展的目的。同时，在完成基于社交的用户发现后，广告商还可以根据数据分析情 况查看用户推广情况，同时根据数据分析情况进行参数优化，以期不断提高用户扩展 的准确率和转化率，达到较好的用户扩展的目的。 关键词：定制化受众；深度学习；结点向量化；推荐系统 1 基于社交关系的定制化受众系统的研究与实现 Abstract In recent years, with the development of the Internet, the emergence of mobile online sociality provides a large number of opportunities for merchants and third-industry service providers, and also brings negative effects such as “information overload”. Precision marketing has always been the most important business part of service providers and operators. Faced with a huge number of users and hundreds of millions of user data, traditional tag-type recommendation systems are difficult to find potential target users quickly and accurately. With the rise of