郑小龙
南京木美传媒科技有限公司
摘要：随着社会经济与科学技术发展速度不断加快，智能移动设施被广泛应用在广告行业生产经营过程中，使广告推送方式及推送平台得到了进一步优化。为切实满足大众趋于多元化的广告需求，需要进一步完善现有个性化广告推荐系统功能，不断优化广告推送内容。本文就针对此，以个性化广告推荐系统发展现状为切入点，提出个性化广告推荐系统实际功能与关键技术，以供参考。
关键词：个性化广告推荐系统；关键技术；实际应用
前言：就目前来看，互联网成为大众接收与传播信息的重要工具。由于互联网具备更加显著的交互性与生动性特征，在此中开展个性化广告推荐工作的效果更好。相较于其他发达国家而言，国内个性化广告推荐系统的实施时间较短，但发展速度极快，应用场景广阔，借助个性化广告推荐系统中针对性广告投放方式，能够切实满足用户个性化需求，为广告公司带来更为可观的综合收益。
1、个性化广告推荐系统研究现状
现阶段互联网发展对广告行业的影响十分巨大，随着互联网应用不断汇聚流量，用户沉浸度提升，互联网广告收入也持续增长，广告公司纷纷将关注重点放置在获取用户潜在兴趣产品信息，通过广告推广产品，进行品牌曝光或销售跳转，增强自身行业竞争水平的工作中。针对用户对各类互联网场景使用千人前面的特点，个性化广告推荐需要确保广告出现在合理时间、合理平台、借助合理方式展现在合理用户面前[1]。针对个性化广告推荐系统，我国已开展了多年研究工作，研究覆盖面从个性化广告推荐系统研究对象扩展到关键技术、实际存在问题与未来发展方向中。
个性化广告推荐系统可以由原有大范围投放广告的方式转变为个性化推荐，提升内容和用户需求的关联度，最大限度削弱用户对广告的反感度，进一步增加广告商经济效益，因此重点研究个性化广告推荐系统，不断优化个性化广告推荐系统内部功能，对促进广告行业长效稳定发展意义重大。
2、个性化广告推荐系统概念
2.1个性化广告推荐系统概念
个性化广告推荐是互联网广告的重要表现形式，广告主借助个性化广告推广自身产品，依托于平台的数据挖掘与程序交互方式，找到用户消费偏好，从而预测用户可能感兴趣的产品，并触发推荐广告程序。
从广义角度分析，个性化广告推荐系统主要就是利用先进技术手段，将广告交易与管理工作融为一体，精准确定目标受众，为用户提供更加精准的广告信息。
借助个性化广告推荐系统，能够切实提升用户行为记录、点击、评分等信息利用率，预测每位用户对商品的需求及偏好，根据内容标签特征值的计算，为其推荐最有可能浏览的广告，最大限度提升广告商综合效益。
2.2个性化广告推荐与普通广告推荐内在关联
广告的个性化与非个性化推荐可以借助广告是否依照用户偏好进行精准投放来判断。为充分发挥个性化广告推荐系统应用优势，需要分析个性化广告推荐与非个性化广告推荐实际区别。
在传统广告中，搜索类主要以竞争方式推荐，受到用户标签作用的限制，重点关注信息的查询扩展[2]；展示类广告需要以用户个人行为及人口统计等因素判断，以达到最大化利益驱动目标；个性化广告的搜索范围十分大，主要以用户兴趣为驱动原则，以最大限度满足广告推荐多样化、新颖化原则。
搜索广告、展示广告与个性化广告之间还存在密切关联。举例而言，在搜索广告查询信息的重要性较高、粒度较细时，需要配合使用查询扩展工作，以获得更多的匹配结果。查询扩展技术内部，又包括个性化广告推荐手段，尤其涉及标签算法匹配，以便满足用户实际信息获取需求。
2.3个性化广告推荐系统特征
由于互联网平台中的广告数量大，实际交互作用强，应用在其中的个性化广告推荐系统特征主要表现在以下几个方面：
第一，偏好获取来源更加灵活。借助个性化广告推荐系统，可以通过收集用户对各类产品的评论、评分、收藏、浏览记录以及应用使用情况，评估用户阶段性产品需求，更加灵活地为用户投放符合其实际需要的广告信息；
第二，推荐技术更加全[3]。个性化广告推荐系统包括多种推荐技术，如协同过滤推荐技术、上下文推荐技术、混合推荐技术、点击率推荐技术等。其中，点击率推荐技术可作为评价指标与预测结果，能够有效评估投放广告效果，支持CPS、CPM等模式，并对广告内容进行进一步完善。
第三，应用场景多样。个性化广告推荐系统的实际应用场景更加多样，可以配合新闻推荐或音乐推荐系统共同运行。借助PC、移动端、多终端使用，通过统一鉴权等技术应用，突破了独立平台和数据孤岛的限制。
3、个性化广告推荐系统关键技术
个性化广告推荐系统需要依照特定用户及特定场景运行，借助个性化算法、技术投放与之匹配的广告，实现广告创意化、精准化投放目标。
依照服务对象不同，个性化广告推荐系统可分别在客户端、服务端运行。其中，功能模块包括输出模块、输入模块、个性化推荐模块，可以最大限度收集用户信息、行为历史、交互内容等。
个性化广告推荐系统关键技术主要包括数据采集与预处理、用户喜好获取、个性化广告推荐技术。其中，个性化广告推荐系统实际运行工作需要从数据采集阶段开始，要求用户基本信息、广告数据与时间位置等数据内容能够得到最大限度利用[4]。配合使用先进的GPS设备或LBS接口，获取用户设备位置；通过厂商权限，获取设备型号等信息从用户浏览历史、订单等相关日志中获取到其阶段性购物需求和实际偏好。在缺乏大量初始用户数据的情况下，也可通过和第三方数据服务商合作，获得用户画像等关键信息或其他所需的脱敏数据。
用户喜好获取技术需要依赖于用户显性信息，如用户对项目的评级、评分信息等。用户评分信息主要来源于交互式操作，用户在定分范围内对特定项目的打分操作。根据用户对项目的行为模式，由人为或系统辅助定评分标准，判定用户对项目的评分情况。在使用个性化推荐技术过程中，需要配合使用协同过滤技术、选择适宜的协同过滤手段，确保各类用户信息能够被精准的收集。下图为各类协同过滤技术对比结果。
.png)
总结：总而言之，为充分发挥出个性化广告推荐系统在实际应用期间的积极作用，需要细致分析个性化广告推荐系统实际应用期间的关键技术。结合个性化广告推荐系统实际使用要求，不断优化广告推荐系统内部功能，确保个性化广告推荐系统能够在稳定提升广告商生产经营建设水平，满足用户个性化广告需求中发挥出重要作用。
参考文献：
[1]姚凯,涂平,陈宇新,苏萌. 基于多源大数据的个性化推荐系统效果研究[J]. 管理科学,2018,31(05):3-15.
[2]李邵飞. 基于用户偏好的个性化网络广告推荐专利技术综述[J]. 河南科技,2018(27):42-44.
[3]李艳. 大数据环境下个性化推荐系统的研究和应用[J]. 长春大学学报,2019,29(06):34-38.
[4]于海平,林晓丽,刘会超. 基于数据挖掘的移动广告个性化推荐研究[J]. 计算机技术与发展,2014,24(08):234-237.