基于POI用户游戏Feeds Ads推荐系统设计与实现

韩俊波， 黎海霞

(1.南京航空航天大学 计算机科学与技术学院，江苏 南京211100；2.巢湖学院 信息工程学院，安徽 合肥238000； 3.浙江警官职业学院 ，浙江 杭州 310018)

在种类众多的游戏中，精准推荐合适款型游戏给游戏玩家是广告系统一个重要的面向，其不仅具有较高的经济应用价值，更有极强的学术研究价值.随着社交网络在互联网众多应用服务中占比提升，互联网众多广告投放策略中信息流广告(Feeds Ads)依靠其庞大流量、优势算法、多样投放形式、精准定向投放以及良好的用户体验等众多优势，逐渐成为互联网时代社交网络媒体中广告的主要投放形式[1].

1 信息流广告(Feeds Ads)

Feeds Ads是穿插在互联网媒体信息流中的一类原生广告，运用大数据相关算法对用户数据信息进行分类，通过用户偏好、行为等开展精准广告推送.相对传统的互联网广告，Feeds Ads是非“强推式”商业广告行为.Feeds Ads在推广的过程中与用户阅读信息融为一体，在不干扰阅读体验的同时弱化用户对信息广告的“排斥心理”. 社交性是Feeds Ads明显特征.Feeds Ads可以利用微信[2]、微博社交媒体手段加大广告受众范围(微信朋友圈广告点赞、转发等互动行为)，增加广告受众深度，提高广告受众的广度(微博的转发、评论等行为)[3-5].

Feeds Ads核心是个性化精准推送，其通过平台对用户标签数据进行收集，利用人工智能技术，依据“偏好”，针对用户进行广告内容“量身定做”.社交媒体中用户POI偏好是Feeds Ads实现精准投放的主要依据，由三步实现：①收集用户数据(涵括页面浏览数据痕迹、社交媒体上下文关系以及近邻历史偏好等)；②挖掘用户兴趣点(POI)偏好；③融合时间、地点等信息进行高价值广告推送[6-7].

本文工作是在分析Feeds Ads投放原理的基础上，以相似度算法为核心，设计开发基于POI用户游戏Feeds Ads推荐系统.

2 游戏广告系统设计与实现

系统用相关算法对游戏网络平台用户的相关汇总数据进行分类、排序，筛选出用户偏好价值数据，用相似度算法对游戏和用户偏好数据进行匹配，最终实现对用户进行游戏Feeds Ads精准推荐[8].

图1 游戏广告推荐流程

2.1 游戏广告推荐系统功能分析

基于用户POI游戏Feeds Ads推荐系统需具备以下功能：①用户相关数据集合；②相关游戏产品数据集合；③特定用户POI偏好数据集合；④对前序①②③数据集合匹配；⑤推荐最有价值的广告信息[9-10].游戏广告推荐实现原理如图1所示.

2.2 系统算法设计

本系统对象为游戏用户，系统算法采用推荐系统当中比较经典的协同过滤算法.算法是依据用户和游戏之间的相似度来实现Feeds Ads推荐，核心工作两个方面：①计算用户游戏POI历史偏好数据；②用户在过去一段时间对某款手游POI偏好实施Feeds Ads推荐[10-12].

2.2.1 寻找近邻

近邻寻找主要是通过对建立好的“用户—游戏”列表中的数据进行相似度计算，找到用户Um，Uv之间的相似度，公式如下：

，

(1)

N(Um)，N(Uv)均为用户偏好产品集合[13].

2.2.2 寻找目标手游

从公式(1)的相似矩阵中找出与U用户相似度最高的一个用户，提取出POI偏好较高的游戏，同时摒弃U目前偏好游戏产品.候选游戏POI偏好程度计算公式：

(2)

用户Um对g的POI偏好程度用P(U,g)进行度量，Love是Um对g的偏好程度.

2.2.3 系统算法策略

①读取相关数据源并格式化成二位数组;②建立游戏字典数据(包含用户字典以及游戏用户反差表)；③查找近邻；④计算游戏用户推荐列表；⑤创建用户POI偏好游戏推荐列表；⑥匹配②和⑤实现精准推荐.

2.3 系统数据库设计

由2.2和2.1，本系统核心数据库构成如表1、2、3、4所示.

表1 游戏表

表2 用户表

表3 游戏关键词表

表4 用户关键词表

上述系列表中，表1主要功能是处理相关游戏产品数据、对游戏主题词进行汇总；表2对用户相关数据收集、对用户POI兴趣点偏好相关主题词进行汇总；表3对表1当中的系列主题词进行分类；表4对用户POI偏好关键词进行统计分类.

2.4 系统推荐功能实现

系统前后台主要功能模块有：注册/登录页面、主页、搜索模块、推荐模块、基本资料、用户管理、添加游戏、游戏管理等.部分页面模块实现页面如图2所示.

图2 系统实现模块组图

2.5 系统实现核心代码

①用户POI偏好信息收集

@RequestMapping("/findEnjoy")

public ModelAndView findResourceByUserEnjoy(HttpServletRequest request) {

ListresourceByUserEnjoy=resourceService.findResourceByUserEnjoy(user);

mv.addObject("resourceByUserEnjoy", resourceByUserEnjoy);

mv.setViewName("gamepage");

return mv

②POI偏好匹配

public List findResourceByUserEnjoy(User user) {

ListresourceList=resourceDao.findResourceByUserEnjoy(user.getEnjoy());

return resourceList;}

③POI偏好信息推荐

@Select("select * from resource where category=#{category}")

public List findResourceByUserEnjoy(@Param("category") Integer category);

核心代码实现不同用户登录是被推荐Feeds Ads内容各不相同.代码①的主要功能是将用户POI偏好信息保存到相应的用户表；代码②根据单个用户近期偏好进行POI偏好匹配；代码③根据②匹配结果实现对用户实现个性化游戏Feeds Ads推荐.

3 结语

用户POI游戏Feeds Ads推荐系统是一款实际有效的应用型软件，能够对社交网络媒体用户实现个性化游戏Feeds Ads推荐，系统基本上符合设计预期.本系统当前不足在于算法模型相对单一，精准推荐过程中存在一定误差.以后的研究重心是考虑在算法模型中融合更多的元素以促进算法精准性能提升，工作重点主要围绕时效性、多推荐算法融合以及用户偏好趋向预测等几个方面.