| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 相关工作 | 第12-14页 |
| 1.2.1 垂直搜索技术 | 第12-13页 |
| 1.2.2 畅邮垂直搜索系统原型 | 第13页 |
| 1.2.3 推荐系统模型 | 第13-14页 |
| 1.3 本文主要研究内容及贡献 | 第14-17页 |
| 1.3.1 面临的挑战 | 第14-15页 |
| 1.3.2 解决方案 | 第15-17页 |
| 1.4 本文组织结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 用户体验度量标准的分析与制定 | 第18-27页 |
| 2.1 用户体验度量标准的相关分析 | 第18-19页 |
| 2.2 畅邮视频搜索系统的用户体验评价系统 | 第19-23页 |
| 2.3 推荐系统对用户体验的影响 | 第23-24页 |
| 2.4 推荐系统的用户体验标准 | 第24-26页 |
| 2.4.1 准确性 | 第24页 |
| 2.4.2 多样性和新颖性 | 第24-25页 |
| 2.4.3 可解释性 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 数据收集系统的设计与实现 | 第27-36页 |
| 3.1 用户行为数据 | 第27-28页 |
| 3.1.1 用户评分数据稀疏问题 | 第27-28页 |
| 3.1.2 用户行为数据类型 | 第28页 |
| 3.2 网站常用行为数据收集方式分析 | 第28-30页 |
| 3.2.1 web日志挖掘 | 第28-29页 |
| 3.2.2 JavaScript标记 | 第29-30页 |
| 3.3 现有大型视频导航数据捕获系统的分析 | 第30-31页 |
| 3.3.1 土豆/优酷 | 第30页 |
| 3.3.2 360影视 | 第30页 |
| 3.3.3 一搜 | 第30-31页 |
| 3.4 畅邮视频搜索系统数据收集系统的设计方案与实现 | 第31-35页 |
| 3.4.1 用户标识机制的设计与实现 | 第32-33页 |
| 3.4.2 脚本收集机制的实现 | 第33-34页 |
| 3.4.3 数据接收部分的实现 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于协同过滤的个性化推荐系统的实现与改进 | 第36-46页 |
| 4.1 数据挖掘技术分析 | 第36页 |
| 4.2 现有推荐算法分析 | 第36-39页 |
| 4.2.1 基于人口统计学的推荐算法 | 第36-37页 |
| 4.2.2 基于内容的推荐算法 | 第37-38页 |
| 4.2.3 基于协同过滤的推荐算法 | 第38-39页 |
| 4.3 基于畅邮视频搜索系统推荐算法的选取与改进 | 第39-45页 |
| 4.3.1 推荐引擎Mahout架构 | 第39-41页 |
| 4.3.2 基于用户体验的隐性用户评分标准的制定 | 第41-43页 |
| 4.3.3 基于内容推荐综合推荐算法 | 第43-44页 |
| 4.3.4 基于遗忘曲线的综合推荐算法 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 视频推荐系统的数据呈现部分的设计实现 | 第46-57页 |
| 5.1 网站用户体验分析 | 第46-50页 |
| 5.1.1 网站用户体验设计标准 | 第46-48页 |
| 5.1.2 畅邮视频导航系统的界面设计实现 | 第48-50页 |
| 5.2 各大视频推荐网站呈现部分的用户体验分析 | 第50-52页 |
| 5.2.1 土豆/优酷 | 第50页 |
| 5.2.2 奇艺 | 第50-51页 |
| 5.2.3 好123 | 第51页 |
| 5.2.4 360影视 | 第51页 |
| 5.2.5 一搜 | 第51-52页 |
| 5.3 畅邮视频搜索系统推荐结果呈现部分的设计实现 | 第52-56页 |
| 5.3.1 基于用户体验的推荐模块 | 第52-53页 |
| 5.3.2 热门推荐 | 第53-54页 |
| 5.3.3 最新上映 | 第54页 |
| 5.3.4 猜你喜欢 | 第54-55页 |
| 5.3.5 同演员推荐 | 第55-56页 |
| 5.3.6 同导演推荐 | 第56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 实验和测试 | 第57-66页 |
| 6.1 实验环境 | 第57-58页 |
| 6.1.1 系统配置 | 第57-58页 |
| 6.1.2 软件配置 | 第58页 |
| 6.2 推荐系统的准确率验证 | 第58-62页 |
| 6.2.1 测试场景 | 第58页 |
| 6.2.2 测试场景搭建 | 第58-60页 |
| 6.2.3 改进前、后推荐算法性能测量 | 第60-61页 |
| 6.2.4 综合推荐的有效性验证 | 第61-62页 |
| 6.3 推荐系统用户体验度验证 | 第62-65页 |
| 6.3.1 测试方法 | 第62页 |
| 6.3.2 平均转换率 | 第62-63页 |
| 6.3.3 用户黏度 | 第63-64页 |
| 6.3.4 用户任务完成时长 | 第64-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第七章 总结和展望 | 第66-68页 |
| 7.1 本文工作总结 | 第66页 |
| 7.2 今后研究展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 缩略语 | 第70-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文和科研情况 | 第72页 |