互联网的急速多元化发展，带来了数据量的爆炸性增长，如何将更准确的数据或信息传递给渴求信息的用户，对用户而言是良好的体验，而对市场而言则是巨大的商机，这就需要我们具备了解用户、了解内容或服务，并能根据用户的兴趣进行内容推送的能力，以提高商业效益和价值，提高服务质量和完善服务内容。 项目承担单位在上海市科技攻关计划项目的支持下，自2006年起开始从事用户行为分析和个性化信息推送技术的研究，在用户的建模方法、个性化内容推送算法与推送机制和推荐系统方面形成了创新成果。自2008年起和申请单位品友互动进行了深入合作，通过产学研成果转化，基于所形成的创新成果搭建了互联网广告需求方推送和服务系统。系统可从日常浏览习惯中挖掘用户的个性偏好，为其打上个性化评分标签，目前特征标签量已突破5000种；引入了自主研究多种个性化推荐算法，比已公布算法的反馈有效性提高5%以上；可自适应地在多种推荐算法中进行多策略混合优选，智能化能力得到很大的提升。与品友互动的产学研合作使项目成果得到了进一步提升，如今平台每日广告可曝光量155亿次以上，成为国内互联网广告服务平台中的领军企业。项目的主要创新成果如下： 1、项目提出的分类评分标签权重混合用户建模方法，可多维度精准表征用户兴趣与用户行为之间的关联，易于存储表示用户兴趣、需求或习惯相关的特征知识，建立用户或用户群的兴趣模型和挖掘其潜在兴趣。目前品友互动平台上基于此建模方法的用户标签量已突破5000种。 2、项目基于领域特征研发的各类个性化信息推荐算法，从邻居、时间和地理空间等多个维度满足个体和群体用户推荐的多样化需求，比已公布算法的反馈有效性提高5%以上。 3、项目提出的目标人群多维度细分与不同网络终端广告定向投放关联算法，可多维度精准锁定目标人群，定向投送关联广告，提高有效广告时间10%以上；采用多维度智能竞价算法，为广告需求方提供最优的出价策略，显著增加广告投放效益。 4、项目提出的基于上下文信息的多策略混合推送机制，可满足不同条件下个性化信息定制和推送的需求，使算法可扩展性和自适应优化能力得到很大的提升。 5、项目研制的用户行为分析和推荐应用系统，支持各种资源数据和用户行为数据的对接，支持推荐算法的热插拔、在线/离线分析、可配置的个性化信息定制和推送策略等，支持TB级本地资源库、亿级用户数和百亿级物品资源数。 项目在用户建模、推荐算法、推荐策略和推荐系统方面申请专利6项，已授权2项，申请软件著作权4项，累计发表论文16篇。自2008年起和品友互动开展了深入合作，为其广告需求方平台提供了有力的技术支撑，该平台现已经成为互联网广告投放的领军企业，是国内最大的为广告主提供跨媒介、跨平台、跨终端的广告投放平台，服务超过1500个品牌企业及其电商业务，10000个中小企业客户；有21家广告交易平台与之对接；每日广告曝光量达155亿次以上；截止2014年，该平台近三年的广告销售收入累计达到了46365万元，获得利润2674万元，创造税收1459万元。