个性化视频推荐技术在微课系统中的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 研究目标与方法 | 第13页 |
| 1.5 本文组织结构 | 第13-15页 |
| 第二章 相关技术研究 | 第15-24页 |
| 2.1 系统概述 | 第15-17页 |
| 2.1.1 微课系统定义 | 第15页 |
| 2.1.2 推荐系统定义 | 第15-16页 |
| 2.1.3 推荐系统通用模型 | 第16页 |
| 2.1.4 个性化推荐系统与搜索引擎比较 | 第16-17页 |
| 2.2 用户兴趣模型相关理论研究 | 第17-20页 |
| 2.2.1 用户兴趣信息获取 | 第17-18页 |
| 2.2.2 用户兴趣模型表示 | 第18-20页 |
| 2.3 推荐算法及其分类 | 第20-24页 |
| 2.3.1 基于人口统计学推荐 | 第20-21页 |
| 2.3.2 基于内容推荐 | 第21页 |
| 2.3.3 基于关联规则的推荐 | 第21页 |
| 2.3.4 基于协同过滤的推荐 | 第21-23页 |
| 2.3.5 推荐技术比较 | 第23-24页 |
| 第三章 基于用户行为的用户兴趣点模型研究 | 第24-38页 |
| 3.1 用户兴趣模型建立 | 第24-30页 |
| 3.1.1 微课系统特点分析 | 第24-25页 |
| 3.1.2 用户数据收集 | 第25-27页 |
| 3.1.3 用户行为分析 | 第27-28页 |
| 3.1.4 用户兴趣权重计算 | 第28-30页 |
| 3.1.5 用户兴趣模型表示 | 第30页 |
| 3.2 用户兴趣模型数据更新 | 第30-32页 |
| 3.3 基于用户行为的视频资源评价体系 | 第32-34页 |
| 3.4 基于用户的协同过滤TOP-N算法 | 第34-38页 |
| 3.4.1 算法思想 | 第34页 |
| 3.4.2 用户相似度计算 | 第34-36页 |
| 3.4.3 用户兴趣度计算 | 第36-37页 |
| 3.4.4 生成推荐 | 第37-38页 |
| 第四章 个性化推荐技术在微课系统中的实现 | 第38-50页 |
| 4.1 推荐系统的工作流程 | 第38-39页 |
| 4.2 总体设计 | 第39-40页 |
| 4.3 详细设计 | 第40-48页 |
| 4.3.1 用户模块 | 第40-43页 |
| 4.3.2 视频资源模块 | 第43-47页 |
| 4.3.3 推荐模块 | 第47-48页 |
| 4.4 主要功能界面 | 第48-50页 |
| 第五章 试验及结果分析 | 第50-55页 |
| 5.1 实验内容与设计 | 第50-51页 |
| 5.1.1 实验数据收集 | 第50-51页 |
| 5.1.2 实验环境 | 第51页 |
| 5.1.3 实验设计 | 第51页 |
| 5.2 结果分析 | 第51-54页 |
| 5.2.1 用户对推荐tag的满意度 | 第51-53页 |
| 5.2.2 用户对推荐视频资源的满意度 | 第53-54页 |
| 5.3 实验总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55-56页 |
| 6.2 今后工作 | 第56页 |
| 6.3 未来展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59页 |
