面向家庭用户的互联网电视资源推荐模型研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-15页 |
| 1.3 研究现状 | 第15-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 2 用户观看特征统计 | 第19-26页 |
| 2.1 指标描述 | 第19-20页 |
| 2.1.1 播放次数 | 第19页 |
| 2.1.2 资源热度 | 第19页 |
| 2.1.3 资源关注度 | 第19页 |
| 2.1.4 资源完成度 | 第19-20页 |
| 2.2 用户观看模式分析 | 第20-22页 |
| 2.2.1 用户观看目的 | 第20页 |
| 2.2.2 用户获取资源偏好 | 第20-21页 |
| 2.2.3 用户观看日模式 | 第21-22页 |
| 2.3 热度和关注度分析 | 第22-24页 |
| 2.3.1 资源热度和关注度分布 | 第22-23页 |
| 2.3.2 首页热度分析 | 第23-24页 |
| 2.4 资源长度与资源完成度相关分析 | 第24-25页 |
| 2.5 观看特征分析总结 | 第25-26页 |
| 3 家庭用户价值分组 | 第26-33页 |
| 3.1 家庭用户概念 | 第26页 |
| 3.2 用户价值概念描述 | 第26-27页 |
| 3.3 层次分析法—AHP | 第27-28页 |
| 3.4 应用AHP实现价值分组 | 第28-33页 |
| 3.4.1 价值四个维度权值设置 | 第28-30页 |
| 3.4.2 观看数据归一化处理 | 第30-31页 |
| 3.4.3 实现家庭价值分组 | 第31-33页 |
| 4 面向互联网电视的家庭用户识别模型 | 第33-43页 |
| 4.1 基于用户行为特征的用户兴趣获取方法 | 第33-37页 |
| 4.1.1 用户兴趣获取概念 | 第33-34页 |
| 4.1.2 隐式获取用户兴趣方法 | 第34-37页 |
| 4.2 家庭用户识别方法设计 | 第37-41页 |
| 4.2.1 隐式评分标准化 | 第38-39页 |
| 4.2.2 用户的兴趣区间评分描述 | 第39-40页 |
| 4.2.3 计算区间评分的距离 | 第40-41页 |
| 4.3 家庭用户识别步骤 | 第41-43页 |
| 5 基于价值分组的家庭用户的推荐资源模型 | 第43-53页 |
| 5.1 推荐算法简介 | 第43-45页 |
| 5.2 基于独立用户的推荐策略 | 第45-47页 |
| 5.2.2 基于高价值的独立用户的推荐 | 第45-46页 |
| 5.2.3 基于低价值的独立用户的推荐 | 第46-47页 |
| 5.3 基于多成员家庭用户的推荐策略 | 第47-53页 |
| 5.3.1 获取多成员家庭观看模板 | 第47-49页 |
| 5.3.2 基于高价值家庭用户的推荐 | 第49-51页 |
| 5.3.3 基于低价值家庭用户的推荐 | 第51-53页 |
| 6 实验结果和模型评估 | 第53-59页 |
| 6.1 实验准备 | 第53-55页 |
| 6.1.1 实验数据集采集 | 第53-54页 |
| 6.1.2 搭建评价数据集 | 第54-55页 |
| 6.2 家庭用户识别模型评估 | 第55-56页 |
| 6.3 推荐模型评估 | 第56-59页 |
| 6.3.1 组合推荐策略评估 | 第56-57页 |
| 6.3.2 推荐的精确度评估 | 第57-59页 |
| 7 总结和展望 | 第59-61页 |
| 7.1 本文工作总结 | 第59页 |
| 7.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
