开题报告-电子商务中用户对媒体插播广告的个人偏好研究.docVIP

综述本课题的研究动态，说明选题的依据和意义 1.国内外研究概况 在当今信息时代，人们通过各类媒体接触到各种各样的广告。但与此同时，在海量信息的背后，人们很难找出自己真正感兴趣或真正有用的信息。因此，根据人们需求提供出一种个性化的信息筛选方法就显得比较重要，由此就出现了个性化推荐算法，在为人们寻找出所需信息的同时，也能满足个性化的需求。 个性化推荐算法，着力于探讨如何更好的利用用户有意识无意识反映出来的信息，为用户推荐更加感兴趣的信息。目前普遍采用的显式和隐式两种用户偏好获取的方式。在客户端利用嵌入浏览器脚本语言获取用户浏览行为信息，将隐式评分和相对准确的显式评分作为用户兴趣更新的数据来源。基于线性衰减的用户兴趣模型，根据注册信息和浏览行为建立初始模型，若在衰减过程中产生了新的访问记录和显式反馈，构成用户兴趣模型的更新过程。 智能推荐是随着个性化推荐方法的不断发展而发展起来的，这种方法融合了传统协同过滤技术和数据挖掘技术两种技术的优点。在数据挖掘技术中，可以通过对数据信息的挖掘和分析总结出客户的偏好习惯等，而协同过滤技术则将和此客户有类似偏好习惯的客户过滤出来，并根据他们的偏好习惯推荐信息和商品。如ＧｒｏｕｐＬｅｎｓ系统就利用了协同过滤技术给客户推荐新闻和电影信息；亚马逊等网上书店则根据用户以往的购书经历推荐类似的书籍；天猫、京东等也根据用户浏览历史等推荐出类似的商品信息供用户浏览