基于社会商务知识图谱的信息流广告投放关键技术研究

With dramatically development of social media, a new type of online advertising, news feed Ads, has attracted researchers’ attentions. In this study, we develop the novel techniques to deal with challenges confronted in news feed Ads. Our contributions include four-folds: (1) we propose a social commerce knowledge-graph that is an infrastructure including entities such as product, users, brands and company , describing semantic relationship among products and users. (2) we predict conversion rate of news feed Ads. Conversion rate is an extremely rare event. It is hard to learning the conversion rate. We propose a strategy that preprocesses training set, improving conversion events. (3) we calculate semantic similarity between users and product in Knowledge-Graph, which can help to build brand. (4) Compared to traditional internet advertising, news feed Ads has its own unique characteristic, for example, the ads can be retweeted by friends of users. We predict the retweet rate of an ad corresponding to one user. It can help to increase ROI of advertisers.

社交媒体的发展催生了一种新型的互联网广告，信息流广告。本课题研究信息流广告投放技术面临的挑战，包括四个方面的内容：（1）社会商务知识图谱建模。我们提出的社会商务知识图谱是描述社交媒体商务环境的基础设施。它包括商品、用户、品牌和企业等实体，描述了用户之间的联系，以及商品、品牌、企业等之间的语义关系。（2）传统计算广告的研究使用已发生的转化行为作为训练集来预测一个用户的转化率。但广告投放中的用户转化行为是极为稀疏的事件，如此产生的训练集非常小。我们的研究提出一个预估策略，基于社会商务知识图谱预测用户的转化率。（3）对于以建立品牌为目的的信息流广告投放，一个重要问题是如何计算商品和用户的匹配。我们提出了基于社会商务知识图谱的用户-商品语义匹配计算方法。（4）相比传统互联网广告信息流广告有其问题的独特性，即信息流广告可以二次传播。我们研究计算用户的传播率的方法，可以帮助信息流广告投放提高投资回报率

本课题研究信息流广告投放技术面临的挑战，包括两个方面四个关键问题的研究：.1. 社会商务知识图谱建模。 我们提出的社会商务知识图谱是描述社交媒体商务环境的基础设施。它包括商品、用户、品牌和企业等实体。并且应该可以描述用户之间的联系；描述商品、品牌、企业等之间的语义关系。建立社会商务知识图谱是本课题研究的第一个关键问题。.2. 信息流广告投放中的用户定向。 根据广告主投放广告的目的，可以将广告分为品牌广告和效果广告。品牌广告中，计算商品和用户的匹配是个关键问题。基于社会商务图谱计算异质数据的语义匹配是本课题研究的第二个关键问题。效果广告中，预测客户对某种广告的点击率或者转化率是是投放广告的关键问题。利用社会商务知识图谱解决预测用户的转化率时的数据稀疏的问题是本课题研究的第三个关键问题。相比传统互联网广告， 信息流广告可以二次传播。计算用户的传播率发现传播率高的用户是本课题研究的第四个关键问题。.针对每个关键问题研究的结果如下：.（1） 社会商务知识图谱构建的关键是构建情感社会网络。我们定义了情感社会网络和相关特性。开发了方法使用用户之间的交互的文本信息来计算用户之间的关系和情感倾向，进而来构建情感社会网络。.（2） 我们开发了深度学习模型由知识图谱计算异质数据的语义匹配。 .（3） 利用知识图谱计算用户的转化率的关键是预估策略。我们将该问题转换为，在社会商务知识图谱上按照语义匹配相似用户和匹配相似商品的问题，并开发相应的算法。.（4） 发现传播率高的用户是一个在社会商务知识图谱上发现团的过程。我们开发了团的检测算法。我们也开发了为传播率高的用户进行用户画像的框架。..本课题的研究中抽象出了一些新的基础性课题。我们的研究成果将为电子商务、数据挖掘等相关领域的研究提供很好的补充。同时我们的研究可以有效的应用在企业管理和社会管理等领域， 将产生良好的社会效益。我们的研究成果发表在了高水平的期刊和国际会议，也证明了其学术价值。