Fig19，用到了矩阵，这个我没有听太明白，蒋博士也没有详细说明。不过可以明确的一点就是，我们常说的K-means、聚类等技术都是有实际应用价值的，而且我们日常就在使用。
Fig20，这个定向广告，就更加接近推荐系统了，根据用户的特征，来投放特定的广告，这样回报率会高一点。
Fig21，这里定向方式，也就是一些特征，可以利用用户的人口属性、地理位置、上网的行为等等。这个重定向，其实大家每天都在接受着重定向广告，你在百度或者淘宝搜过某些物品或者关键词之后，在其他网站的一个小窗口就会一直有相关的链接（仔细观察可以看到百度或淘宝的标识）
Fig22，这里的人口属性，不一定符合现实，比如一个男生经常给女朋友买东西，那么通过自动识别的方法，这个男生就会被定位为“女性”。
Fig23，这里是通过二分图来识别人物属性的，不同用户访问不同类型网页的次数是不同的。
Fig24用户兴趣表示
Fig25，从Example可以看出一些典型的行为。
Fig26，行为定向模型，其中“向量”和“预测”应该是机器学习中我们经常听到的词了，在这里就用到了。
Fig27，具体的模型，我不懂 - -！不过从公式可以看出，并不是很复杂。
Fig28，看不懂。。
Fig29，个性化推荐，还是“推荐系统”
Fig30，看不懂。。
Fig31，【这个投票模型，貌似和刘亚在图像处理中用的方法类似，不知道下面那个公式有没有参考价值】
Fig32，对机器学习的方法要好好学习一下【机器学习】
Fig33，点击率预测特征
Fig34，这个主要讨论的就是在众多广告位中，不同的位置对点击的影响很大。。。（CTR：点击率）
Fig35，另一种方案。
，
Fig36，广告之间的相互影响。
本文转自ZH奶酪博客园博客，原文链接：http://www.cnblogs.com/CheeseZH/p/3908446.html，如需转载请自行联系原作者
