Image from Google Jackets

Hybrid approach for recommending social media influencers in digital marketing using deep neural networks / Adam Mohammad Boulad; supervisor Prof. Walid Salameh.

By: Contributor(s): Language: English, Arabic Publisher: 2023Description: xi, 93 leaves; illustrations, 30 cm. +CDContent type:
  • text
  • computer program
Media type:
  • unmediated
  • computer
Carrier type:
  • volume
  • computer disc
Other title:
  • نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة
Subject(s): LOC classification:
  • HM1176 .B68 2023
Dissertation note: Theses (M.Sc.)و in Data Science, Princess Sumaya University for Technology, Jordan, Amman, 2023. Abstract: In today's rapidly evolving and highly competitive digital marketing landscape, the effective utilization of all available channels, particularly optimizing performance in social media influencer promotions, has become paramount. The impact of social media influencers on campaign performance and brand safety cannot be overstated. However, a significant challenge lies in matching the correct advertiser with the right social media influencer from a vast pool of potential partners. This is commonly known as the choice overload problem and can be addressed using recommender systems. In this study, we delve into the realm of hybrid recommender approaches, with a specific focus on leveraging deep learning techniques to tackle the challenge of recommending social media influencers. We carefully selected five cutting-edge deep learning hybrid methods and integrated Self-Organizing Maps (SOMs), a preprocessing technique developed by Kohonen, to enhance the performance of these models. Through a comprehensive series of experiments, our study evaluates the influence of SOMs on the performance of deep learning models. We leverage both the renowned MovieLens dataset, and a proprietary dataset obtained from an advertising company to conduct our analysis. We compare the results obtained with and without the inclusion of SOMs, while also examining the impact of crucial factors such as the number of features and sample size on the observed improvement. Our findings demonstrate a statistically significant yet modest enhancement in recommendation accuracy when incorporating SOMs into the process. Additionally, our research highlights the potential benefits of employing Hybrid Recommender Systems that integrate deep learning components within their architecture, along with the application of unsupervised machine learning techniques such as SOMs. These advancements have the potential to improve the process of recommending social media influencers for advertising and digital marketing purposes. Furthermore, our study showcases the development of a unique dataset tailored specifically for social media influencers, fostering further advancements in this field. Keywords: Recommender Systems, Deep Learning, Self-Organizing Maps, Social Media, Influencers, Dimensionality Reduction.Abstract: في عصر التسويق الرقمي السريع التطور والتنافسية العالية في الوقت الحالي، أصبح الاستخدام الفعّال لجميع القنوات المتاحة، وخصوصاً تحسين أداء الحملات الاعلانية الرقمية التي تعمل على منصات التواصل الاجتماعي، ضرورةً بالغة الأهمية. لا يمكن التغاضي عن تأثير "المؤثرين" على وسائل التواصل الاجتماعي على أداء الحملة الإعلانية وقوة العلامة التجارية. في هذه الدراسة، نناقش مجال أجهزة التوصية (Recommender Systems)، ونركّز بشكل خاص على استفادتنا من تقنيات التعلم العميق (Deep Learning) للتغلب على التحديات التي تواجه توصية المؤثرين على وسائل التواصل الاجتماعي. قد اخترنا خمس طرق متطورة للتعلم العميق الهجين ومزجنا خرائط التنظيم الذاتي (SOMs)، وهي تقنية معالجة مسبقة طورها كوهين، لتحسين أداء هذه النماذج. من خلال سلسلة شاملة من التجارب ، تقوم دراستنا بتقييم تأثير SOMs على أداء نموذج التعلم العميق ، والاستفادة من مجموعة بيانات Movie Lens الشهيرة ومجموعة بيانات تم الحصول عليها من شركة إعلانات. قارن النتائج التي تم الحصول عليها مع وبدون تضمين SOMs ، مع الخوض أيضًا في تأثير العوامل الحاسمة مثل عدد الميزات وحجم العينة على التحسن الملحوظ. تسلط النتائج التي توصلنا إليها الضوء على تعزيز هام إحصائيًا ولكنه متواضع في دقة التوصيات عند دمج (SOMs) في العملية. علاوة على ذلك ، توضح دراستنا الفوائد المحتملة لاستخدام أنظمة التوصية المختلطة (Hybrid Recommender Systems) التي تدمج مكونات التعلم العميق في بنيتها ، جنبًا إلى جنب مع تطبيق تقنيات التعلم الآلي غير الخاضعة للإشراف مثل خرائط التنظيم الذاتي (SOMs). هذه التطورات لديها القدرة على تعزيز عملية التوصية المؤثرين على وسائل التواصل الاجتماعي لأغراض الدعاية والتسويق الرقمي. بالإضافة إلى النتائج المذكورة أعلاه ، يعرض بحثنا تطوير مجموعة بيانات فريدة مصممة خصيصًا للمؤثرين على وسائل التواصل الاجتماعي ، مما يعزز المزيد من التقدم في هذا المجال. الكلمات المفتاحية: أنظمة التوصية ، التعلم العميق ، الخرائط ذاتية التنظيم ، وسائل التواصل الاجتماعي ، المؤثرين ، تقليل الأبعاد
List(s) this item appears in: Data Science - Theses
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Current library Collection Call number Copy number Status Date due Barcode
Master Thesis Master Thesis مكتبة الحسن الرئيسية Thesis HM1176.B68..2023 (Browse shelf(Opens below)) 1 لا يُعار 29245


Theses (M.Sc.)و in Data Science, Princess Sumaya University for Technology, Jordan, Amman, 2023.

In today's rapidly evolving and highly competitive digital marketing landscape, the effective utilization of all available channels, particularly optimizing performance in social media influencer promotions, has become paramount. The impact of social media influencers on campaign performance and brand safety cannot be overstated. However, a significant challenge lies in matching the correct advertiser with the right social media influencer from a vast pool of potential partners. This is commonly known as the choice overload problem and can be addressed using recommender systems.
In this study, we delve into the realm of hybrid recommender approaches, with a specific focus on leveraging deep learning techniques to tackle the challenge of recommending social media influencers. We carefully selected five cutting-edge deep learning hybrid methods and integrated Self-Organizing Maps (SOMs), a preprocessing technique developed by Kohonen, to enhance the performance of these models.
Through a comprehensive series of experiments, our study evaluates the influence of SOMs on the performance of deep learning models. We leverage both the renowned MovieLens dataset, and a proprietary dataset obtained from an advertising company to conduct our analysis. We compare the results obtained with and without the inclusion of SOMs, while also examining the impact of crucial factors such as the number of features and sample size on the observed improvement. Our findings demonstrate a statistically significant yet modest enhancement in recommendation accuracy when incorporating SOMs into the process. Additionally, our research highlights the potential benefits of employing Hybrid Recommender Systems that integrate deep learning components within their architecture, along with the application of unsupervised machine learning techniques such as SOMs. These advancements have the potential to improve the process of recommending social media influencers for advertising and digital marketing purposes. Furthermore, our study showcases the development of a unique dataset tailored specifically for social media influencers, fostering further advancements in this field.
Keywords: Recommender Systems, Deep Learning, Self-Organizing Maps, Social Media, Influencers, Dimensionality Reduction.

في عصر التسويق الرقمي السريع التطور والتنافسية العالية في الوقت الحالي، أصبح الاستخدام الفعّال لجميع القنوات المتاحة، وخصوصاً تحسين أداء الحملات الاعلانية الرقمية التي تعمل على منصات التواصل الاجتماعي، ضرورةً بالغة الأهمية. لا يمكن التغاضي عن تأثير "المؤثرين" على وسائل التواصل الاجتماعي على أداء الحملة الإعلانية وقوة العلامة التجارية. في هذه الدراسة، نناقش مجال أجهزة التوصية (Recommender Systems)، ونركّز بشكل خاص على استفادتنا من تقنيات التعلم العميق (Deep Learning) للتغلب على التحديات التي تواجه توصية المؤثرين على وسائل التواصل الاجتماعي. قد اخترنا خمس طرق متطورة للتعلم العميق الهجين ومزجنا خرائط التنظيم الذاتي (SOMs)، وهي تقنية معالجة مسبقة طورها كوهين، لتحسين أداء هذه النماذج.
من خلال سلسلة شاملة من التجارب ، تقوم دراستنا بتقييم تأثير SOMs على أداء نموذج التعلم العميق ، والاستفادة من مجموعة بيانات Movie Lens الشهيرة ومجموعة بيانات تم الحصول عليها من شركة إعلانات. قارن النتائج التي تم الحصول عليها مع وبدون تضمين SOMs ، مع الخوض أيضًا في تأثير العوامل الحاسمة مثل عدد الميزات وحجم العينة على التحسن الملحوظ. تسلط النتائج التي توصلنا إليها الضوء على تعزيز هام إحصائيًا ولكنه متواضع في دقة التوصيات عند دمج (SOMs) في العملية.
علاوة على ذلك ، توضح دراستنا الفوائد المحتملة لاستخدام أنظمة التوصية المختلطة (Hybrid Recommender Systems) التي تدمج مكونات التعلم العميق في بنيتها ، جنبًا إلى جنب مع تطبيق تقنيات التعلم الآلي غير الخاضعة للإشراف مثل خرائط التنظيم الذاتي (SOMs). هذه التطورات لديها القدرة على تعزيز عملية التوصية المؤثرين على وسائل التواصل الاجتماعي لأغراض الدعاية والتسويق الرقمي. بالإضافة إلى النتائج المذكورة أعلاه ، يعرض بحثنا تطوير مجموعة بيانات فريدة مصممة خصيصًا للمؤثرين على وسائل التواصل الاجتماعي ، مما يعزز المزيد من التقدم في هذا المجال.
الكلمات المفتاحية: أنظمة التوصية ، التعلم العميق ، الخرائط ذاتية التنظيم ، وسائل التواصل الاجتماعي ، المؤثرين ، تقليل الأبعاد

Text in English, Abstract in Arabic and English.

M.Sc. in Data Science

There are no comments on this title.

to post a comment.