● 摘要
当今，互联网的发展已经使全世界的人们融入到了一个统一的全球化在线市场中。其中，面对其中数量巨大的潜在用户群体，如何使商业广告的投放效益最大化已经成为了当前“在线广告”投放技术的研究重点和热点。正当互联网改变了人们的生活习惯，给予了人们更大的对于信息的自主选择权利，同时海量的信息使用户感到深陷迷茫，无从选择。因此，对于商业广告的在线投放必须有的放矢，让对用户最有价值的广告推荐给最有潜在需求的用户，这样既可以最大化的实现投放企业的商业价值，也可以为潜在用户过滤的对其的垃圾信息，使用户和商家共同获得双赢。本论文以新闻RSS为用户兴趣的数据来源，设计和实现了一个在线广告推荐系统。其中，重点解决了用户模型的建立和在线计算广告的匹配问题。1)用户兴趣建模方面：本文提出了一种基于潜在语义分析（Latent Semantic- Analysis）的兴趣度矩阵跟踪和更新算法。该算法在保持用户长期兴趣的同时，考虑到了新闻内容的动态变化特性以及用户随时间的兴趣转移特性，初步实验表明了该方案的有效性。2)计算广告匹配方面：本文提出了一种基于客户端与服务器，以随机启动方式会话，然后通过相似度加强反馈迭代的交互算法。解决了用户隐私数据的服务器收集问题，该算法使得用户的兴趣度数据始终保持在客户端，同时解决了额外的计算量问题，以及广告服务器的过载问题。最后，本文同时在国际著名的Newsgroup 20数据集和人民网新闻频道的RSS数据源上做了系统的测试以及分析，结果验证并表明了该系统的设计与实现的有效性，实现了预期的目标。