| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.4 研究内容与目标 | 第14页 |
| 1.4.1 研究内容 | 第14页 |
| 1.4.2 研究目标 | 第14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-17页 |
| 第二章 相关关键技术和理论 | 第17-29页 |
| 2.1 长尾效应 | 第17-18页 |
| 2.2 推荐系统的构成 | 第18-21页 |
| 2.2.1 数据层 | 第19-20页 |
| 2.2.2 推荐引擎层 | 第20-21页 |
| 2.2.3 业务展示层 | 第21页 |
| 2.3 推荐算法 | 第21-26页 |
| 2.3.1 基于协同过滤的推荐算法 | 第22-24页 |
| 2.3.2 基于内容的推荐算法 | 第24-25页 |
| 2.3.3 基于人口统计学的推荐算法 | 第25-26页 |
| 2.3.4 混合推荐算法 | 第26页 |
| 2.4 用户相似度的计算 | 第26-27页 |
| 2.4.1 余弦相似度 | 第26-27页 |
| 2.4.2 Pearson相似度 | 第27页 |
| 2.5 PageRank算法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 PGSim-CF算法 | 第29-43页 |
| 3.1 PGSim-CF算法基本思想的提出以及可行性分析 | 第29-30页 |
| 3.2 PGSim-CF算法的详细设计 | 第30-34页 |
| 3.2.1 视频物品初始价值权值的计算 | 第30-33页 |
| 3.2.2 视频物品最终价值权值的计算 | 第33页 |
| 3.2.3 用户相似度的计算 | 第33-34页 |
| 3.3 对比实验一:UserCF、SimCF-ACT、PGSim-CF算法 | 第34-38页 |
| 3.3.1 实验数据集 | 第34页 |
| 3.3.2 实验评测指标 | 第34-36页 |
| 3.3.3 实验方法 | 第36页 |
| 3.3.4 实验结果以及分析 | 第36-38页 |
| 3.4 对比实验二:IRM2、PGSim-CF算法 | 第38-41页 |
| 3.4.1 实验数据集 | 第38-39页 |
| 3.4.2 长尾物品构建方法 | 第39-40页 |
| 3.4.3 实验评测指标 | 第40页 |
| 3.4.4 实验方法 | 第40-41页 |
| 3.4.5 实验结果以及分析 | 第41页 |
| 3.5 对比实验总结及分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 互联网视频网站的应用 | 第43-53页 |
| 4.1 需求分析 | 第43页 |
| 4.2 开发环境和开发工具 | 第43-44页 |
| 4.2.1 系统开发环境 | 第43页 |
| 4.2.2 系统开发工具 | 第43-44页 |
| 4.3 组成模块 | 第44-52页 |
| 4.3.1 数据模块 | 第44-49页 |
| 4.3.2 推荐算法与推荐结果存储 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 运营商视频点播系统的应用 | 第53-65页 |
| 5.1 需求分析 | 第53页 |
| 5.2 组成模块 | 第53-61页 |
| 5.2.1 数据模块 | 第53-60页 |
| 5.2.2 推荐算法模块与推荐结果存储 | 第60-61页 |
| 5.3 基于评分的PGSim-CF算法、基于观看时长占比率的PGSim-CF算法、User-CF算法对比 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-69页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 未来展望 | 第66-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
