一种基于微博分众营销的个性化推荐算法的研究与应用

发布时间：2019-08-29 13:53

【摘要】：分众营销是针对传统营销的一种突破，其强调精确、细分、实效。微博则是近几年最流行的新兴网络媒介，其信息传播速度之快，用户参与程度之高，用户凝聚力之强大，正好与分众营销所需的条件不谋而合。基于微博的分众营销，有两个方面的问题非常重要，需要认真研究，及时解决。第一：准确的预测出营销的产品有哪些用户感兴趣，并能引发这些用户持续的关注与讨论。第二，对于这些感兴趣的用户，采用何种方式进行推荐，才有可能让微博用户主动关注广告，信任广告推荐内容，得到最好的推荐效果。针对如何准确预测分众营销信息的传播，本文提出了微博系统的信息传播模型的概念，对微博信息的传播过程进行了描述，建立了微博信息传播模型的数学公式，最后通过Nutch工具，抓取新浪微博的数据对模型进行仿真分析，并将仿真分析结果与实际的话题传播数据进行了对比分析，验证了本文的微博信息传播模型能较好地契合实际。针对采用何种有效的信息推荐传播方式问题，本文在分析总结现有推荐算法的基础上，结合微博数据特点，提出了一种在前融合推荐框架下采用基于人口统计学协同分析和内容分析相融合的推荐算法OMCFA (Oriented MicroblogCollaboration-based Filtering Algorithm基于协同过滤的微博推荐算法)。该算法将用户相似度和微博相似度融入推荐框架，采用贝叶斯混合效果回归模型，通过马尔科夫蒙特卡洛方法得到模型中的各个效用公式中各个参数的值。最后通过本文提出的信息传播模型，抓取新浪微博数据对OMCFA进行算法验证，并与简单的协同过滤算法、基于内容的推荐算法相比较，分析结果，得出了OMCFA算法具有较好的推荐效果。本文提出了微博系统的信息传播模型和基于人口统计学协同分析和内容分析相融合的推荐算法OMCFA，为基于微博的分众营销系统的研究奠定基础。最后对于分众营销未来研究方向进行了展望，认为微博的独特优势将让它在分众营销中大有所为。
【图文】：

曲线,事件,公式

图 3.1 事件每日新增帖数从图中可以看出，虽然同属热点事件，但三个话题信息的传播规模差距较大。从曲线的趋势可以看出，三个事件的拥有相似的传播特征：事件发生后，短期内达到话题信息传播的峰值，之后迅速衰落，然后在某个时间点(tx)逐渐放缓，形成一条重尾曲线。因此，对于微博营销，营销的最好时间段为 [t 1 ,tx]， [t x ,tn]时间段内，营销的效果比较差。3.2.4 仿真分析根据公式 3.9，未知参数包括如下：公式（3.3）的λ ,公式（3.4）的 β 和公式（3.6）的ν ，，因此，在真实的话题传播速率的基础上，定义出关于三个自变量的方差公式如公式 3.10 所示：∑=Ψ= NnERtnNRtnN12((,,,)/`())1( λ,β,ν)λβν（3.10）本文要求得到的模型越贴近真实的传播模型，则要求函数 Ψ ( λ,β,ν)越小，因

曲线,事件,模拟数据,实际数据

一种基于微博分众营销的个性化推荐算法的研究与应用表 3.1 参数最优解表事件传染概率 λ 形状参数 β 知名度线性增长率ν Ψ( λ,β,ν)事件 1 0.15 0.57 0.1831.310 ×事件 2 0.09 0.66 0.0346.710 ×事件 3 0.11 0.59 0.0732.610 ×根据最优解，得到三个事件的模拟传播数据曲线，与实际的传播数据曲线对比结果如图 3.2 所示：
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.092;TP391.3

【参考文献】