Rozšíření uživatelských profilů pro účely cílené reklamy

Abstract

Tato práce se zabývá návrhem a realizací obohacení uživatelských profilů pro účely vylepšení cílené reklamy. Pro získání nových informací je využita extrakce dat z webových stránek. Extrahovaná data pochází ze dvou serverů, ČSFD a Recepty. V případě ČSFD se jedná o filmové žánry, zatímco u Recepty se jedná o kategorie receptů. Pomocí streamovacích aplikací se tyto informace zpracují a uloží do databází uživatelských profilů. Nad profily spadajícími do určité reklamní kampaně se provádí předzpracování a následně klasifikační algoritmy strojového učení pro vyhodnocení přínosu nových informací. Vyhodnocením experimentů je poznatek, že nově obohacené informace mají mírný přínos pro vylepšení cílené reklamy.

This thesis is devoted to designation and realisation of the extension of user profiles for improvement targeted advertising purposes. Web scraping is used for acquirement of new data information. Extracted data comes from two servers, ČSFD and Recepty. Data from ČSFD are film genres. Data from Recepty are categories of recepies. Streaming applications are used for processing of data and saving them to databases of user profiles. Preprocessing and machine learning classification algorithms are used for benefit evaluation of new informations for profiles in advertising campaigns. Evaluation of experiments shows that new informations have slight benefit in improvement advertising campaigns.