10.16652/j.issn.1004-373x.2020.22.036
基于深度学习的精准营销推送算法设计与仿真
针对目前用于精准营销推送的用户画像模型普遍存在全面性与深入性差等问题,文中基于深度学习技术研究用于精准营销推送的用户画像模型构建算法.该算法利用结巴分词算法与SIFT方法对短文本与图片进行预处理与融合,借助PGBN深度学习模型及吉布斯向上-向下的采样方法对用户画像模型进行构建与训练,从而获取用户的兴趣、爱好等信息.对测试数据集进行的仿真计算结果表明,该文算法由于融合图片与文本数据,相较于普通算法,能够较为全面地获取用户的属性特征,因此在精准营销推送中发挥着重要作用.
精准营销推送、深度学习、用户画像模型、模型训练、信息获取、数据集测试
43
TN911-34;TP181
2019年度江西省教育厅科学技术研究项目GJJ191554
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
144-147