近年来,公共数字显示屏正在取代公共静态标志,为人们提供广告、导航等信息服务,这一变化使得显示屏跟本地观众的即时互动成为可能。目前显示屏的一大应用是广告播放,当显示屏用于广告播放时,通过这些屏幕,信息能够直接高效地传递给观众,对用户体验产生高影响力。然而,由于缺乏充分的测量数据支持,用户和显示屏广告交互的研究一直不系统、不精确、不全面,没有建立用户与显示屏广告交互行为的准确模型,导致不能更好的优化广告策略,为用户推荐更适合的广告。如何优化显示屏广告的推放策略,提升用户体验,具有重要的理论和实际意义。本文针对商场、写字楼、电梯等场景下的引导显示屏,基于视觉方法追踪用户正脸,记录用户对广告的观看过程,通过大规模数据分析和挖掘,发现用户交互行为与用户偏好、广告特征等因素之间的关系,建立用户与显示屏交互的模型。基于以上模型,分析目前推荐系统中普遍采用的用户偏好预测方法的性能,提出显示屏广告交互推荐系统的设计和优化方案。本研究意在揭示用户与数字显示屏交互行为的本质特征,建立显示屏交互广告模型,评估和优化推荐算法。本文的主要工作与贡献如下：(1)通过分析目前显示屏交互以及现存推荐系统模型相关因素,以用户“满意度”为优化目标,建立了一个用户与显示屏广告隐性交互模型；(2)根据以上模型,将该问题看作群组推荐问题,提出了在显示屏广告这一新场景下的交互推荐系统框架,并设计了简单而有效的广告推荐策略；(3)在推荐策略中,提出以用户对广告的观看时长作为用户交互过程中的个人兴趣反馈,并以此提出了两种方法进行单个用户个性化偏好推断。实验表明,观看时长能够有效预测显示屏广告场景下用户的个性化偏好,而本文提出的两种方法都能够有效地预测用户“满意度”。(4)群组推荐策略中,提出了基于广告的显示结构特征相似度,以表征目标广告和近邻广告间的相关程度,揭示交互模型中广告内容对于用户“满意度”的影响。实验证明,该相似度确实能有效地阐释显示屏场景中广告间的相关程度,并对预测群组用户的小组“满意度”有着良好性能。