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。

基于用户特征信息智能分析的精准营销推送系统

针对商品推送系统的精度低和商品过载问题,文中提出一种基于用户画像特征信息的精准营销推送模型。基于用户历史行为的分析结果与评分矩阵,构建用户的兴趣模型,利用标签规则将其转化为用户的标签模型。同时根据多种混合规则调用Thrift框架接口,返回用户偏好的推送商品列表,从而实现具有优异性能与较低延迟时间的精准营销推送系统。仿真结果表明,文中的精准营销推送系统使用NDCG算法进行参数调优,具有较高的精确度和稳定性。

电子商务平台营销广告推送行为的刑法规制——以个人信息非法滥用为视角

在大数据时代,电子商务平台的崛起除创造了新的市场之外,也对现有的法律规制规则造成了冲击。特别是现有相关法律法规对电子商务平台营销广告推送行为对个人信息的非法滥用问题尚未起到事前预防作用。因此,应对电子商务平台营销广告推送行为的规制方式进行升级,即将刑法规制纳入进来。但是,现阶段刑法规制电子商务平台营销广告推送行为在理论和实践中存在一定的困境。虽然这些理论和实践中的困境通过理性分析能够被破解,但是大数据时代需要建立起符合时代特征的电子商务平台营销广告推送个人信息非法滥用行为的刑法规制模式,以便既可预防电子商务平台非法滥用个人信息又可保护平台消费者和电子商务平台的个人信息权益。