Towards privacy-preserving digital marketing: an integrated framework for user modeling using deep learning on a data monetization platform

货币化 计算机科学 杠杆(统计) 用户建模 个性化营销 生成模型 数字营销 数据科学 万维网 生成语法 用户界面 人工智能 企业对政府 经济 营销投资回报率 宏观经济学 操作系统
作者
Qiwei Han,Carolina Lucas,Emila Aguiar,Patrícia Macedo,Zhenze Wu
出处
期刊:Electronic Commerce Research [Springer Science+Business Media]
卷期号:23 (3): 1701-1730 被引量:35
标识
DOI:10.1007/s10660-023-09713-5
摘要

Abstract This paper presents a novel approach to privacy-preserving user modeling for digital marketing campaigns using deep learning techniques on a data monetization platform, which enables users to maintain control over their personal data while allowing marketers to identify suitable target audiences for their campaigns. The system comprises of several stages, starting with the use of representation learning on hyperbolic space to capture the latent user interests across multiple data sources with hierarchical structures. Next, Generative Adversarial Networks are employed to generate synthetic user interests from these embeddings. To ensure the privacy of user data, a Federated Learning technique is implemented for decentralized user modeling training, without sharing data with marketers. Lastly, a targeting strategy based on recommendation system is constructed to leverage the learned user interests for identifying the optimal target audience for digital marketing campaigns. Overall, the proposed approach provides a comprehensive solution for privacy-preserving user modeling for digital marketing.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
阔扩完成签到 ,获得积分10
刚刚
1秒前
科研通AI6.3的应助被巧克力采纳,获得10
2秒前
2秒前
回望发布了新的文献求助10
3秒前
3秒前
nmd323发布了新的文献求助10
4秒前
爱吃香菜完成签到,获得积分10
4秒前
骞骞完成签到,获得积分10
5秒前
5秒前
今后的应助被帅气的白风采纳,获得10
6秒前
7秒前
李健的小迷弟的应助被兮尔采纳,获得10
7秒前
欧耶发布了新的文献求助10
7秒前
香蕉觅云的应助被雨花石采纳,获得10
8秒前
8秒前
9秒前
Layman发布了新的文献求助10
9秒前
星遨关注了科研通微信公众号
11秒前
一号发布了新的文献求助10
11秒前
www完成签到,获得积分10
12秒前
12秒前
充电宝的应助被额特别采纳,获得10
13秒前
13秒前
柔弱傲丝完成签到,获得积分10
13秒前
14秒前
挚友发布了新的文献求助10
15秒前
初景发布了新的文献求助100
16秒前
如懿发布了新的文献求助10
16秒前
JohnRyan发布了新的文献求助10
17秒前
一号完成签到,获得积分10
18秒前
优美的易真完成签到 ,获得积分10
18秒前
爱听歌的雁开完成签到 ,获得积分10
19秒前
20秒前
永刚发布了新的文献求助10
21秒前
Aikesi完成签到,获得积分10
21秒前
科研通AI2S的应助被欧耶采纳,获得10
22秒前
Maestro_S的应助被tide采纳,获得30
22秒前
bkagyin的应助被金光闪闪采纳,获得10
23秒前
科研通AI65的应助被1900采纳,获得10
23秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8177802
求助须知:如何正确求助?哪些是违规求助? 9568632
关于积分的说明 21799933
捐赠科研通 7772424
什么是DOI,文献DOI怎么找? 3432505
关于科研通互助平台的介绍 2556698
邀请新用户注册赠送积分活动 2478055