个性化广告推荐存在的问题及研究 方向

个性化广告推荐使得广告更加符合用户的兴

趣^，在研究和应用方面都取得不错的进展．然而^，广 告推荐中同时存在传统推荐的问题和广告推荐特有 的问题．这部分主要讨论个性化广告推荐中存在的 重点问题，并分析未来个性化广告推荐研究的方向， 主要包括以下几个方面：

（１^）广告推荐的时效性问题

广告推荐的时效性需要考虑到用户需求的变化 和时间上下文之间的联系^，即广告的时效性由用户 需求的时效性决定^，用户的需求和偏好在一定时间 内是允许存在变化的．例如，用户上周经常搜索计算 机的商品信息，并在这周购买了一台计算机．但是购 买后的一段时间后，购物平台或者网站依旧为其推 荐计算机的相关广告^，这种情况就是忽视用户需求 的时效性^，导致用户对该商品甚至该商品所属企业 产生反感或抵触的情绪．

广告推荐的时效性不同于其它领域的时效性^， 例如，新闻推荐中的时效性是以时间为节点，新闻推 荐区别于其它推荐的最大特点就是和时间上下文关 联性很强^，超过一定时间发布的新闻对用户来讲是 没有意义的^［７］．而广告推荐的目的是引起用户产生 购买行为^，可以在用户角度和广告产品角度对广告 推荐的时效性进行把握．从用户角度来讲^，可以将用 户行为的变化作为参考．获取用户偏好的变化，并做 出实时响应．从广告产品的角度来讲，根据产品推出 的时间^、广告发布的时间等^，考虑广告效用随时间的 衰减情况即产品是否还能满足当前用户需求．

因此^，为给用户提供新颖的^、及时的推荐结果^， 个性化广告推荐系统同时考虑用户偏好变化和广告 效用的衰减，这是未来的研究重点之一．除了对用户 动态偏好获取外，还应在系统设计上进行改进．对 此，可借助Ｈａｄｏｏｐ等建立分布式推荐系统^，利用 ＭａｐＲｅｄｕｃｅ等编程模型及ＭｏｎｇｏＤＢ等ＮｏＳＱＬ数 据库技术^，提高数据处理的能力和效率^，进一步增强 个性化广告推荐系统的可扩展性^、灵活性^、多样性^， 在保证性能的同时减少延迟．

（２^）用户的隐私保护问题

个性化广告在消费者隐私和数据安全方面引起 广泛的关注^{［２６］，}存在发展也引起争议．近几年^，用户 在门户网站和金融公司的个人信息被大量暴露并被 滥用^{［７０］，}许多国家已经制定有关该问题的法律^［２６］． 最近，ＩＡＳ发布的“２０１９广告行业脉动”的报告中指 出，５５．８％的受访者首要关注数据隐私问题，并且 ９３．３％的受访者认为数据隐私条例需要在全球范围

３ ５ ３期 张玉洁等：个性化广告推荐系统及其应用研究 ５

《 计

算 机

学 报

》

内得到完善

^①

在推荐技术的角度来讲^，当前大多数广告推荐 技术需要调用并分析用户的历史信息^（如协同过滤 技术^、上下文信息等^），即使例如基于社会化网络的 推荐系统^［５８］或基于位置时间的推荐系统^［１７］这些不 依赖历史信息的推荐方式，也需要访问并分析某些 用户的其它资料，如用户的社会关系、地理位置等 等．而这些信息在一定程度上属于用户的个人隐私． 另外^，数据隐私处理会使得可以利用的数据量减 少^{［４３］，}导致对推荐效果产生影响．

所以在具有隐私保护的广告推荐系统中存在两 个个方面的挑战，一方面是需要推荐系统有效保护 用户的这些隐私信息，保证这些隐私不被他人过度 访问．例如当用户共享智能设备时^，先前用户的行为 或偏好会通过广告透露给后续用户^，进而造成隐私 泄露．为解决类似挑战^，除了减少对用户隐私信息的 获取外^，还可以进行用户切换检测．具体来讲^，可以 通过ｃｏｏｋｉｅ等信息跟踪用户行为，根据用户经常使 用的应用程序和网站等，进行用户的行为特征匹配． 除此之外，可以在更细的粒度上进行研究，通过对用 户浏览的图片或者关键词进行精确分析，发现用户 之间的差异，防止个人偏好隐私泄露给他人．

另一方面的挑战是需要缓解因数据隐私处理对 推荐产生的影响．为应对挑战^，可以考虑在用户给项 目进行评分时^，用假名保护隐私^{［１３６］，}而不是直接将 相关内容直接删除．同时，将隐私信息对推荐的影响 程度进行评级，对不具备代表性和说明性的用户属 性或信息进行筛选．尽量减少对用户直接信息的过 度访问^，或者根据影响程度将信息进行脱敏．

因此^，权衡上述两个方面的挑战^，提出有效的隐 私保护机制^（如用户切换检测等^）是今后研究的重点．

（３^）广告推荐中的冷启动问题

广告推荐中的冷启动问题产生的原因多由于产 生了新用户或者新广告，并且新用户没有访问过广 告，新广告也没有被用户访问．冷启动问题是推荐系 统中的重要挑战^{［８０］，}解决冷启动问题也成为推荐系 统中的关键任务．在广告推荐领域^，已经存在很多研 究用于应对冷启动问题．文献^［１２^，２７^］根据用户行为 种类产生用户对广告的评分信息．文献^［１７^，４１^］不依 赖用户信息，利用位置或时间上下文信息缓解冷启 动问题．文献［１２^，６２^］将不同推荐技术按照一定组合 规则混合使用，使得推荐技术之间能够优势互补，提 升推荐效果．目前存在的冷启动解决方法中，主要是

创造数据^、利用其它辅助数据以及改进传统推荐技 术等^，属于比较常见的冷启动解决方法．

冷启动问题产生的根源在于相关数据不存在或 者相当稀少，根据广告推荐系统中数据缺失的情况， 将冷启动问题分为用户冷启动、广告冷启动以及系 统冷启动问题，系统冷启动指既存在用户冷启动，又 存在广告冷启动的情况．针对上述三种冷启动问题， 可以考虑如下几种方法．

针对用户冷启动问题^，一方面可利用迁移学习 的方式^，使用其它相关领域的数据^，弥补本研究领域 数据不足的劣势^，例如将新闻数据集和广告数据集 混合^［８０］．通过该方式^，交叉学习用户行为特征^，改善 各自领域数据集不丰富的情况^，还能提高模型或算 法的泛化能力．目前，迁移学习在个性化广告推荐领 域的研究较少，但是为解决广告推荐中的冷启动问 题提供了新的思路．另一方面可引导用户通过社交 账号登录，在降低注册成本的同时，获取用户的社交 网络信息^，提高新用户变老用户的转化率．尽可能扩 展用户画像^，增加更多维度的信息．

针对广告冷启动问题^，主要通过新增广告的内 容属性进行挖掘^，包括广告的主题^、主题类别^、关键 字等．例如可将广告转化为关键字向量^，通过计算向 量的相似度^，实现广告聚类^，并将其推荐给对类似广 告感兴趣的用户．此外^，利用深度学习等技术^，舍去 对一些广告的交互或评级信息，减少神经网络对类 似信息的依赖，使其对新项目具有鲁棒性．

针对系统冷启动问题，主要通过专家标注的方 式，引入专家知识．由于用户的兴趣可能性较多，需 要对用户提供具有代表性、区分性、多样性的广告， 保证广告具有很高的覆盖率^，可以较快地收集用户 的反馈信息^，并构建用户画像．类似于老虎机问题^， 即推荐系统并不明确哪些广告受用户喜欢^，也不清 楚用户喜欢特定广告的概率．此时可对用户随机推 荐不同主题或内容的广告^，根据用户的反馈再做 判断．

（４^）广告推荐的内容敏感性问题

广告推荐的内容要符合在满足用户偏好的同 时，也需要注意于当前上下文的匹配程度．广告推荐 的内容敏感性问题主要体现在广告推荐当前的内容 是否合理，会对用户的体验和感受以及商家的信誉 产生很大的影响^{［１３７］}．例如^，用户在手机应用中浏览

４ ５

５ 计　　算　　机　　学　　报 ２０２１年

①

《 计

算 机

学 报

》

一条事故新闻时^，新闻中提到某景区设备发生事故^， 这时推荐系统可能根据该景区信息推荐该景区的广 告^，此时该广告的内容就涉及到推荐内容敏感性问 题．而且^，一些涉及违法犯罪内容的广告也会经常出 现^，对用户产生极大的误导与消极影响．

目前^，针对广告推荐的敏感性问题的研究比较 少，主要是通过构建分类器发现敏感内容．例如，Ｊｉｎ 等人^{［１３８］}设计一种独特的网页敏感内容分类标准． 然后^，构建一种分级分类器^，在不需要太多人工标记 的情况下^，形成具有良好精度的敏感内容分类器． Ｐｅｎｇ等人^{［１３９］}在移动广告环境下提出一种基于两阶

段的敏感性校核方法，包括广告分类和敏感性检测 两个阶段，分别用于判断广告分类和审核文本内容 中是否有敏感信息．上述方法均构建层次分类器，获 取敏感内容，但是敏感性的确定过程存在主观因素， 对敏感标准的确定和衡量是一个有趣的研究内容．

另外^，深度学习技术的应用有助于确定广告中 是否存在敏感性内容．Ｓａｎｚｇｉｒｉ等人^{［１３７］}利用预先训 练的卷积神经网络处理广告图像素材^，将图像内容 与目标网页中的信息结合，以确定广告素材中是否 存在敏感内容．但是其实验环境为离线实验，能否应 对在线环境中实时改变的场景还需要进一步验证． 因此，广告推荐内容敏感性分析中确定一个统 一的敏感性标准，在减少主观因素干扰的同时，实现 敏感内容的在线自动检测是未来值得研究的方向． 同时^，不能仅仅对广告的文本内容进行分析^，还应该

另外^，深度学习技术的应用有助于确定广告中 是否存在敏感性内容．Ｓａｎｚｇｉｒｉ等人^{［１３７］}利用预先训 练的卷积神经网络处理广告图像素材^，将图像内容 与目标网页中的信息结合，以确定广告素材中是否 存在敏感内容．但是其实验环境为离线实验，能否应 对在线环境中实时改变的场景还需要进一步验证． 因此，广告推荐内容敏感性分析中确定一个统 一的敏感性标准，在减少主观因素干扰的同时，实现 敏感内容的在线自动检测是未来值得研究的方向． 同时^，不能仅仅对广告的文本内容进行分析^，还应该