Lo scopo di questa tesi è la definizione e l'analisi di algoritmi atti a dedurre il lifestyle di persone, per individuare categorie di utenti al fine di realizzare pubblicità mirata. Il dominio è quello della televisione digitale, in particolare dell'IPTV, dove gli utenti vengono quotidianamente inondati da migliaia di messaggi pubblicitari. Nello specifico vengono utilizzate tecniche che permettono la creazione di un'associazione tra l'utente che visiona contenuti on-demand (ad esempio un film) e per i quali esprime un voto, ed il lifestyle, che incide pesantemente sul comportamento del consumatore nell'acquisto di prodotti. La categorizzazione degli utenti a seconda del proprio lifestyle, che in questa tesi è rappresentato dal sesso di un utente (UOMO o DONNA), è stata ottenuta attraverso due distinti approcci: l'utilizzo (i) di algoritmi di raccomandazione basati su tecniche di riduzione dimensionale e (ii) di regole d'associazione. Di questi algoritmi verrà poi calcolata la correttezza grazie ad alcune metriche di accuratezza come la precision, la recall e graficamente con la curva di ROC, che vengono utilizzati per testarne rispettivamente la precisione, la completezza e la qualità. I risultati ottenuti nei vari test hanno mostrato una precision compresa tra 53.90% e 87.54%, mentre per la recall tra 24.56% e 82.20%.
Categorizzazione di utenti IPTV
GRANARA, FABIO
2009/2010
Abstract
Lo scopo di questa tesi è la definizione e l'analisi di algoritmi atti a dedurre il lifestyle di persone, per individuare categorie di utenti al fine di realizzare pubblicità mirata. Il dominio è quello della televisione digitale, in particolare dell'IPTV, dove gli utenti vengono quotidianamente inondati da migliaia di messaggi pubblicitari. Nello specifico vengono utilizzate tecniche che permettono la creazione di un'associazione tra l'utente che visiona contenuti on-demand (ad esempio un film) e per i quali esprime un voto, ed il lifestyle, che incide pesantemente sul comportamento del consumatore nell'acquisto di prodotti. La categorizzazione degli utenti a seconda del proprio lifestyle, che in questa tesi è rappresentato dal sesso di un utente (UOMO o DONNA), è stata ottenuta attraverso due distinti approcci: l'utilizzo (i) di algoritmi di raccomandazione basati su tecniche di riduzione dimensionale e (ii) di regole d'associazione. Di questi algoritmi verrà poi calcolata la correttezza grazie ad alcune metriche di accuratezza come la precision, la recall e graficamente con la curva di ROC, che vengono utilizzati per testarne rispettivamente la precisione, la completezza e la qualità. I risultati ottenuti nei vari test hanno mostrato una precision compresa tra 53.90% e 87.54%, mentre per la recall tra 24.56% e 82.20%.File | Dimensione | Formato | |
---|---|---|---|
2010_12_Granara.pdf
accessibile in internet per tutti
Descrizione: Testo della tesi
Dimensione
1.64 MB
Formato
Adobe PDF
|
1.64 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/11685