基于遗传算法优化BP神经网络的手机广告投放研究.doc

基于遗传算法优化BP神经网络的手机广告投放研究 基于遗传算法优化BP神经网络的手机广告投放研究 张 中山大学广东 冉 广州510006 【摘要】随着5G网络的迅速发展和深度普及,手机广告已成为继报纸,杂志,广播和电视四大媒体后的第五大媒体,依据其分众性, 定向性,互动性等特点,已逐渐发展成为商家进行产品推广的一种主要手段.然而目前的手机广告投放普遍缺乏精准性,本文通过对 手机广告系统中记录的手机用户历史点击信息,用遗传算法优化的BP神经网络进行学习,利用学习完后网络的结构模型对手机用户 感兴趣广告类别进行预测,从而提高了手机广告投放的精难度. 【关键词】手机广告BP神经网络遗传算法 中图分类号:TP39文献标识码:B文章编号:l009.4067(2012)02.61.02 引言 与传统的广告手段相比,手机广告具有分众性,定向性,互动 性等特点,投放手机广告已成为许多商家进行产品宣传的一个有 效手段,手机广告成为广告市场最具成长性的部分,手机用户对手 机广告的使用习惯也已逐渐形成.手机广告针对用户的投放具有 实时性,但手机用户的兴趣及需求是随时间不断发生变化的,导致 目前手机广告的投放缺乏精准性,针对该问题本文在研究手机广 告投放特点的基础上提出遗传算法优化BP神经网络的GA—BP模 型,通过该模型对手机用户产生的历史点击记录数据进行学习,然 后对手机用户感兴趣的广告类别进行预测,根据预测结果投放相 应类别的手机广告,从而得到较为理想的广告投放效果. 1.BP神经网络 BP神经网络是基于误差传播的多层前馈网络算法,标准的BP 神经网络由输入层,隐含层及输出层三层神经元构成,其中隐含 层可为一层或多层,其主要特征为:相邻两层神经元之间采用全互 连方式,各层内神经元之间无连接.输入信号传播到隐含节点,经 隐含节点的转换和处理,再传播至输出节点,最后经输出节点的转 换和处理得到输出结果.模型结构见图l. 图1三层BP网络的拓扑结构 每层神经元与下一层所有的神经元连接,箭头表示信息的流 动.其中xi表示输入层第i个神经元的输入信号,o)ij表示输入层与 隐层之间的连接权重,c1)jk表示隐层与输出层之间的连接权重,yj 表示隐层神经元,Ok表示输出层第k个神经元的输出信号.假定输 入层数为n,输出层数为Ill,那么BP网络便是一个从n维欧氏空间到 m维欧氏空间的映射. BP学习算法把学习过程分为两个阶段:信息正向传播和误差 反向传播.传统BP神经网络存在学习算法收敛速度慢,易形成局 部极小而得不到全局最优的固有缺陷.本文通过遗传算法优化BP 神经网络的方法提高BP神经网络的收敛速度及预测精度,提高手 机广告投放的准确度. 2.遗传算法优化BP神经网络模型GA—BP 2.1遗传算法的主要思想 遗传算法的基本思想是基于Darwin进化论和Mendel遗传学说 的.进化论最重要的是适者生存原理,认为物种在发展中会产生变 异,而且环境也会变化,只有那些带有适应环境的变异的个体能保 留下来.遗传学说最重要的是基因遗传原理,认为物种以细胞内染 色体的形式进行遗传,染色体上带有基因,且每个基因位置不同并 控制一种性质,因此带有不同基因的个体适应于不同环境.基因突 变和基因杂交产生新的基因,从而产生更适应于环境的后代. 在遗传算法中,所求问题的解用染色体表示,就是算法中的 串.遗传算法的第一个步骤就是产生一组假设的解,也就是初始 化串的集合;第二步是按适者生存的原则,从串的集合中根据串的 适应度选择出较适应环境的串进行复制,交叉,变异,从而产生新 的串的集合.经过一次又一次的迭代算法会收敛于一个最适合环 境的个体,这就是所求问题的最优解.遗传算法实现的伪代码如 下:Begin;选择适当表示,生成初始群体,评估群体;While未达到设 定的代数do;Begin;选择作为下一代群体的各个体-执行交换和突 变操作;评估群体lEnd 2-2遗传算法优化BP神经网络模型GA-BP 针对BP神经网络学习算法收敛速度慢以及易陷入局部极小 的缺陷,采用遗传算法对训练样本进行优化.选取样本中对BP神 经网络训练影响较大的属性,称其为强相关性属性,按照利于BP 神经网络训练的原则设置目标函数,对BP神经网络的改进可以取 得很好效果. 利用遗传算法优化训练样本,假设BP神经网络有m个输入,而 强相关性属性为n个,即需要从m个输入属性中优化出n个对BP神 经网络预测效果有较大影响的属性,总迭代的代数为N.具体训练 步骤如下:(1)从样本m个属性中随机选出13.个,并对这n个属性组 成的串进行编码.比如有性别,年龄和收人三个属性,将三个数字 分别用二进制表示并将其组合到一起,编码后的串k即为初始群 体中的个体,假设共初始化3个串,分别为ki,k2和k3;(2)根据(1) 中3