1.大数据和广告关系A类问题：随着数据采样率下降，解决问题的收益会快速下降，这是典型的大数据问题。
如个性化推荐（personalizedrecommendation）和计算广告(computationaladvertising)。
B类问题：随着数据采样率上升，解决问题的收益有所提高，达到一定规模，收益趋于稳定。
如文本主题模型（topicmodel）。
C类问题：随着数据采样率下降，解决问题收益并没有明显下降。
如统计报表等。
2.广告定义和目的一切付费的信息、产品或服务的传播渠道，都是广告。
出资人、媒体和受众这三者利益博弈关系是广告活动永远的主线，广告的根本目的是广告主通过媒体达到低成本的用户接触。
可以用投入产出比（ReturnOnInvestment,ROI）来评价。
3.在线广告创意类型横幅广告（bannerad）：嵌入在页面中相对固定位置的版面。
文字链广告（textualad）：一段链接到广告主落地页文字，在搜索广告（百度）和展示广告广泛采用。
富媒体广告（richmediaad）：利用视觉冲击较强的表现形式（弹窗、对联、开屏等），在不占用固定版面位置情况下，向用户侵入式投送广告素材。
————————————————版权声明：本文为CSDN博主「Mr_哲」的原创文章，遵循CC4.0BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/baymax_007/article/details/88949024

针对中文短文本篇幅较短、特征稀疏性等特征，提出了一种基于隐含狄利克雷分布模型的特征扩展的短文本分类方法。
在短文本原始特征的基础上，利用LDA主题模型对短文本进行预测，得到对应的主题分布，把主题中的词作为短文本的部分特征，并扩充到原短文本的特征中去，最后利用SVM分类方法进行短文本的分类。
实验表明，该方法在性能上与传统的直接使用VSM模型来表示短文本特征的方法相比，对不同类别的短文本进行分类，都有不同程度的提高与改进，对于短文本进行补充LDA特征信息的方法是切实可行的。

191030_Lda主题模型里面包含的是我博客里面所提供的材料和源码，可以直接运行

matlab完成LAD主题模型

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。