摘要增强型海报设计数据集是一个面向数字海报设计优化与用户参与度预测的结构化数据集主要整合海报视觉设计特征、展示平台信息以及用户互动行为数据。数据集概述增强型海报设计数据集是一个面向数字海报设计优化与用户参与度预测的结构化数据集主要整合海报视觉设计特征、展示平台信息以及用户互动行为数据。数据集中不仅包含海报本身的行业、类型和基础元数据还记录了配色、字体、布局、宽高比等设计元素并进一步关联点击率、互动时长和互动评分等效果指标。通过将视觉设计属性与用户行为结果进行对应该数据集可用于研究不同设计方案对用户注意力、点击行为和整体互动效果的影响为数据驱动的海报设计优化提供基础。数据结构与关键特征数据集主要包含海报元数据、设计元素、用户互动指标、平台信息和受众属性等多个维度。海报元数据包括唯一海报 ID、标题、行业类别和海报类型设计特征涵盖配色方案、字体风格、版式布局以及宽高比等用户行为部分则提供点击率CTR、互动时长和综合互动评分可用于衡量海报实际传播效果。此外数据还记录海报所投放的平台如 Twitter、移动应用等以及受众年龄段和目标广告主题等信息。该结构同时包含类别型、数值型和行为反馈型变量适合开展多因素联合分析和机器学习建模。应用价值与研究方向该数据集可用于海报点击率预测、用户参与度建模、设计元素效果分析、受众偏好识别以及智能海报推荐与生成等研究方向。研究人员可以利用随机森林、XGBoost、LightGBM、神经网络等模型预测海报的 CTR 或互动评分并通过特征重要性分析研究配色、字体、布局和平台等因素对用户行为的影响。同时还可以结合受众年龄和广告主题建立个性化设计推荐模型进一步探索自动化版式优化、A/B 测试策略、生成式设计评价和多目标设计优化为数字营销、广告创意和智能视觉设计系统提供数据支持。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-383文件大小1.4G原创声明本数据集为整理作品