| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·课题主要研究内容 | 第17页 |
| ·论文的组织结构 | 第17-19页 |
| 第二章 视频推荐系统及关键技术 | 第19-39页 |
| ·推荐系统概述 | 第19-22页 |
| ·推荐系统常用方法 | 第22-29页 |
| ·基于人口统计学的推荐系统 | 第22-23页 |
| ·基于内容的推荐系统 | 第23-25页 |
| ·基于协同过滤的推荐系统 | 第25-28页 |
| ·组合推荐系统 | 第28-29页 |
| ·推荐系统的评测 | 第29-32页 |
| ·评测指标 | 第29-31页 |
| ·实验数据集 | 第31-32页 |
| ·数据挖掘技术 | 第32-38页 |
| ·数据挖掘的定义及过程 | 第33-34页 |
| ·关联规则挖掘 | 第34-35页 |
| ·分类挖掘 | 第35-37页 |
| ·聚类挖掘 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 基于关联规则的视频推荐系统建模 | 第39-58页 |
| ·基于项目关联性的推荐模型 | 第39-44页 |
| ·推荐规则的定义 | 第39-40页 |
| ·推荐规则的判定 | 第40-42页 |
| ·推荐规则的计算方法 | 第42-44页 |
| ·基于 Slope One 算法的改进推荐模型 | 第44-48页 |
| ·Slope One 算法 | 第44-46页 |
| ·基于用户关联性的 Slope One 算法改进 | 第46-48页 |
| ·推荐规则产生方法 | 第48页 |
| ·实验分析 | 第48-57页 |
| ·实验数据及分析流程 | 第48-49页 |
| ·基于资源关联性的推荐结果分析 | 第49-51页 |
| ·基于用户关联性的推荐结果分析 | 第51-54页 |
| ·关联规则推荐模型对比分析 | 第54页 |
| ·基于用户关联性的 Slope One 算法推荐结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于语义标签的视频推荐系统建模 | 第58-77页 |
| ·语义标签标定 | 第58-63页 |
| ·语义标签定义及问题 | 第58-59页 |
| ·语义标签标定的改进方法 | 第59-63页 |
| ·基于语义标签的视频推荐模型 | 第63-66页 |
| ·系统模型 | 第63页 |
| ·资源特征模型 | 第63-64页 |
| ·用户兴趣模型 | 第64-65页 |
| ·相似度计算方法 | 第65-66页 |
| ·系统推荐方式 | 第66-68页 |
| ·基于资源聚类推荐 | 第66-67页 |
| ·基于用户聚类推荐 | 第67页 |
| ·基于兴趣度距离推荐 | 第67页 |
| ·三种推荐结果集的融合 | 第67-68页 |
| ·实验分析 | 第68-76页 |
| ·实验数据及分析流程 | 第68-69页 |
| ·基于资源聚类推荐结果分析 | 第69-71页 |
| ·基于用户聚类推荐结果分析 | 第71-73页 |
| ·基于兴趣度距离推荐结果分析 | 第73-75页 |
| ·推荐结果融合分析 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 总结及展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·进一步工作及未来研究方向 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻硕期间取得的研究成果 | 第83-84页 |