大语言模型在数字广告中的个性化风险与监管策略
计算与语言
2025-05-09 v1 人工智能
摘要
尽管大语言模型在实验环境中已展现出个性化广告推荐的潜力，但在实际操作中，广告推荐系统如何与用户隐私保护和数据安全等措施相结合，仍是一个值得深入探讨的领域。为此，本文研究了大语言模型在数字广告中的个性化风险与监管策略。本研究首先概述了大语言模型（LLM）的原理，特别是基于 Transformer 架构的自注意力机制，以及如何使模型理解和生成自然语言文本。然后，结合 BERT（Bidirectional Encoder Representations from Transformers）模型和注意力机制，构建了个性化广告推荐和用户因素风险保护的算法模型。具体步骤包括：数据收集与预处理、特征选择与构建、使用 BERT 等大语言模型进行广告语义嵌入，以及基于用户画像的广告推荐。接着，采用本地模型训练和数据加密来确保用户隐私安全，避免个人数据泄露。本文设计了一个基于 BERT 大语言模型的个性化广告推荐实验，并使用真实用户数据进行了验证。实验结果表明，基于 BERT 的广告推送能有效提高广告的点击率和转化率。同时，通过本地模型训练和隐私保护机制，可以在一定程度上降低用户隐私泄露的风险。
引用
@article{arxiv.2505.04665,
title = {Personalized Risks and Regulatory Strategies of Large Language Models in Digital Advertising},
author = {Haoyang Feng and Yanjun Dai and Yuan Gao},
journal= {arXiv preprint arXiv:2505.04665},
year = {2025}
}