一、通过选择/提取视频广告和电视频道用户的分类特征建立二者分类匹配推送静态模型
1.问题描述
1.1用户偏好
根据提取视频广告和电视频道用户的分类特征,通过简单划分分为五大类:
(1)生活类;(2)教育类;(3)文艺类;(4)体育类;(5)娱乐类;
同时得到用户偏好分布矩阵与广告元素分布矩阵:
表1是一个 nx5 的用户偏好分布矩阵,n表示用户集的数量 ,Mik表示用户对不同特征的偏好值 ,其中1≤k≤5。
User | 生活偏好 | 教育偏好 | 文艺偏好 | 体育偏好 | 娱乐偏好 |
---|
U1 | M11 | M12 | M13 | M14 | M15 |
U2 | M21 | M22 | M23 | M24 | M25 |
··· | ··· | ··· | ··· | ··· | ··· |
Ui | Mi1 | Mi2 | Mi3 | Mi4 | Mi5 |
··· | ··· | ··· | ··· | ··· | ··· |
Un | Mn1 | Mn2 | Mn3 | Mn4 | Mn5 |
表2是一个 nx5 的广告元素分布矩阵,n表示广告集的数量 ,Pjk表示该元素在广告中的比重 ,其中1≤k≤5。
Ad | 生活 | 教育 | 文化 | 运动 | 娱乐 |
---|
A1 | P11 | P12 | P13 | P14 | P15 |
A2 | P21 | P22 | P23 | P24 | P25 |
··· | ··· | ··· | ··· | ··· | ··· |
Aj | Pj1 | Pj2 | Pj3 | Pj4 | Pj5 |
··· | ··· | ··· | ··· | ··· | ··· |
An | Pn1 | Pn2 | Pn3 | Pn4 | Pn5 |
用户Ui与广告Aj的匹配程度可表达为式:
R
i
j
=
∑
k
=
1
5
M
i
k
P
j
k
R_{ij} = \displaystyle \sum^{5}_{k=1}{M_{ik}P_{jk}}
Rij=k=1∑5MikPjk
二、设计卖方分时段竞卖合理底价估算模型;
三、基于已知电视频道用户收视历史情况和在播视频广告的产品销售情况,建立视频广告与频道用户的分类匹配推送更新模型;
Channel | 18第三季度 | 18第四季度 | 19第一季度 |
---|
C
C
C1 |
R
R
R1 |
R
R
R1 |
R
R
R2 |
C
C
C2 |
R
R
R2 |
R
R
R1 |
R
R
R2 |
… | … | … | … |
C
C
Ci |
R
R
R1 |
R
R
R2 |
R
R
R3 |
… | … | … | … |
C
C
Cn |
R
R
R1 |
R
R
R2 |
R
R
R3 |
Channel | 18第三季度 | 18第四季度 | 19第一季度 |
---|
C
C
C1 |
N
N
N1 |
N
N
N2 |
N
N
N3 |
C
C
C2 |
N
N
N1 |
N
N
N2 |
N
N
N3 |
… | … | … | … |
C
C
Ci |
N
N
N1 |
N
N
N2 |
N
N
N3 |
… | … | … | … |
C
C
Cn |
N
N
N1 |
N
N
N2 |
N
N
N3 |
四、基于更新的分户推送方式建立竞价交易模型,在极大化卖方收益的同时提升收视率和买方产品销售量;
五、设计并实现你建立的模型的求解算法,通过收集或编撰数据给出算例。