面向替代相关性的长尾关键词广告推荐方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    71072015
  • 项目类别：
    面上项目
  • 资助金额：
    30.0万
  • 负责人：
    卫强
  • 依托单位：
    清华大学
  • 学科分类：
    G0209.商务智能与数字商务
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

搜索引擎关键词广告是电子商务中的一种重要的网络营销形式。如何在海量的长尾关键词中，为广大中小广告主提供优质的长尾关键词以提高营销效果，是近来学界和业界都开始关注的一个热点问题。目前关于长尾关键词推荐的研究和应用集中在查询关键词日志的关联分析和基于网页/内容的关联分析上，这些方法存在一些不足，一方面只能得到具有互补相关性的关键词词组，限制了关键词推荐的语义丰富性。另一方面，在推荐效果评估上，这些方法也很少考虑广告主的营销推广目标和成本，从而限制了推荐系统的决策支持水平。本项目拟从另一类重要的相关性- - 替代相关性和成本优化分析的角度入手，从以下三方面开展研究：1）长尾关键词互补性和替代性表达的理论框架与性质；2）长尾关键词关联发现方法；3）长尾关键词的成本优化模型。通过本项目所提出的方法所得到的长尾关键词，不但语义更为丰富，且在期望成本或期望搜索上最优，更适合电子商务营销活动的需要。

结项摘要

搜索引擎关键词广告是电子商务中的一种重要的网络营销形式。如何在海量的长尾关键词中，为广大中小广告主提供优质的长尾关键词以提高营销效果，是近来学界和业界都关注的一个热点问题。目前关于长尾关键词推荐的研究和应用集中在查询关键词日志的关联分析和基于网页/内容的关联分析上，这些方法存在一些不足，只能得到具有互补相关性的关键词词组，限制了关键词推荐的语义丰富性，特别是不能得到具有替代相关性/竞争性的关键字，而竞争性关键字广告是目前的一类重要的广告形式。本项目从替代相关性的视角入手，进一步结合代表性信息提取和搜索成本的考虑，从以下三方面开展研究：1）长尾关键词互补性和替代性表达的理论框架和推荐方法；2）搜索引擎结果代表性信息的测度和高效提取方法；3）考虑用户搜索成本的交互式智能推荐服务机制设计。部分研究成果已经发表在一些重要的国际期刊和顶级国际会议上，如Electronic Commerce Research and Applications，Decision Support Systems，ICIS2011，IFSA2013等。此外，项目负责人还获得了教育部新世纪优秀人才奖，教育部精品教材奖等重要奖项。

项目成果

期刊论文数量（5）
专著数量（1）
科研奖励数量（3）
会议论文数量（7）
专利数量（0）
Constructing a Fuzzy Associative Classifier from Large Datasets
从大型数据集构建模糊关联分类器
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    International Journal of Uncertainties, Fuzziness and Knowledge-Based Systems
  • 影响因子：
    --
  • 作者：
    Guoqing Chen;Yixi Xiong;Qiang Wei
  • 通讯作者：
    Qiang Wei
From Clicking to Consideration: A Business Intelligence Approach to Estimating Consumers' Consideration Probabilities
从点击到考虑：估算消费者的商业智能方法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    Decision Support Systems
  • 影响因子：
    7.5
  • 作者：
    Hao Wang;Qiang Wei;Guoqing Chen
  • 通讯作者：
    Guoqing Chen
Guest Editorial: Business applications of Web of Things
客座社论：物联网的商业应用
  • DOI：
    10.1016/j.dss.2013.09.011
  • 发表时间：
    2014-07
  • 期刊：
    Decision Support Systems
  • 影响因子：
    7.5
  • 作者：
    Chen Guoqing;Goes Paulo;Wang Harry Jiannan;Wei Qiang;Zhao J. Leon
  • 通讯作者：
    Zhao J. Leon

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

膜乳化法与复乳法结合制备粒径均一的PELA载溶菌酶微球
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    过程工程学报
  • 影响因子：
    --
  • 作者：
    孙春宝;苏志国;卫强;赖波;马光辉
  • 通讯作者：
    马光辉
Providing Consistent Opinions from Online Reviews: A Heuristic Stepwise Optimization Approach
从在线评论中提供一致的意见：启发式逐步优化方法
  • DOI：
    10.1287/ijoc.2015.0672
  • 发表时间：
    2016-03
  • 期刊：
    INFORMS Journal on Computing
  • 影响因子：
    2.1
  • 作者：
    张遵强;陈国青;张瑾;郭迅华;卫强
  • 通讯作者：
    卫强
基于投资者关注的股价走势预测与交易策略设计——股票间交叉模式视角
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    系统工程理论与实践
  • 影响因子：
    --
  • 作者：
    卫强;赵羡;张遵强;陈国青
  • 通讯作者：
    陈国青
“大数据—小数据”问题:以小见大的洞察
  • DOI：
    10.19744/j.cnki.11-1235/f.2021.0028
  • 发表时间：
    2021
  • 期刊：
    管理世界
  • 影响因子：
    --
  • 作者：
    陈国青;张瑾;王聪;卫强;郭迅华
  • 通讯作者：
    郭迅华
管理决策情境下大数据驱动的研究和应用挑战
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    管理科学学报
  • 影响因子：
    --
  • 作者：
    陈国青;吴刚;顾远东;陆本江;卫强
  • 通讯作者：
    卫强

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

卫强的其他基金

基于企业内外部用户生成内容匹配和可解释深度学习技术的客户满意度分析
  • 批准号：
    72172070
  • 批准年份：
    2021
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
考虑用户偏好转移的基于动态贝叶斯网络和深度学习的动态推荐方法的研究
  • 批准号：
    71772101
  • 批准年份：
    2017
  • 资助金额：
    51.0 万元
  • 项目类别：
    面上项目
信息搜索服务中一种新型多样性测度模型及多样性信息提取方法的研究
  • 批准号：
    71372044
  • 批准年份：
    2013
  • 资助金额：
    60.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码