| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-14页 |
| ·IPTV推荐系统背景及意义 | 第11-12页 |
| ·IPTV推荐系统中存在的问题 | 第12-13页 |
| ·上下文信息在推荐系统中的应用 | 第13-14页 |
| ·本文的研究内容以及研究目标 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 相关研究工作 | 第17-31页 |
| ·IPTV中的传统推荐技术 | 第17-19页 |
| ·基于内容的过滤 | 第17-18页 |
| ·协同过滤技术 | 第18-19页 |
| ·上下文感知推荐系统 | 第19-26页 |
| ·上下文信息的获取 | 第22页 |
| ·上下文感知推荐的范式 | 第22-25页 |
| ·上下文感知推荐算法中的应用 | 第25-26页 |
| ·上下文感知推荐系统的挑战 | 第26页 |
| ·隐语义模型 | 第26-29页 |
| ·隐式反馈 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于隐语义模型的IPTV上下文感知推荐算法 | 第31-57页 |
| ·IPTV上下文的分析 | 第31-37页 |
| ·基础模型-矩阵分解 | 第37-40页 |
| ·矩阵分解算法的三个阶段 | 第38-39页 |
| ·随机梯度下降 | 第39-40页 |
| ·基于IPTV节目连贯性的隐式反馈改进方法 | 第40-43页 |
| ·IPTV中修正的偏置项 | 第43-44页 |
| ·基于上下文初始化的IPTV推荐算法 | 第44-50页 |
| ·基于上下文预测的IPTV推荐算法 | 第50-54页 |
| ·基于上下文初始化和预测相结合的推荐算法 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 实验分析及讨论 | 第57-67页 |
| ·实验数据集 | 第57页 |
| ·隐式反馈置信度实验及分析 | 第57-60页 |
| ·基于隐语义模型的IPTV上下文感知推荐算法实验及分析 | 第60-66页 |
| ·基于上下文初始化的IPTV推荐算法实验 | 第61-63页 |
| ·基于上下文预测的IPTV推荐算法实验 | 第63-65页 |
| ·基于上下文初始化和预测相结合推荐算法实验 | 第65-66页 |
| ·总结 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67-68页 |
| ·进一步工作展望 | 第68-69页 |
| 附录一 作者攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 后记 | 第75页 |