基于用户行为分析的P2P流媒体推荐系统研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-19页 |
| ·研究背景 | 第11页 |
| ·个性化推荐系统 | 第11-18页 |
| ·推荐系统介绍 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·推荐系统评测 | 第14-18页 |
| ·本文研究内容 | 第18页 |
| ·论文组织结构 | 第18-19页 |
| 2 数据集介绍及统计特征 | 第19-27页 |
| ·数据集介绍 | 第19-20页 |
| ·MovieLens数据集 | 第19页 |
| ·PPTV数据集 | 第19-20页 |
| ·数据集处理及特征分析 | 第20-26页 |
| ·数据清洗 | 第21页 |
| ·PPTV用户行为分析 | 第21-23页 |
| ·过拟合与交叉验证 | 第23-24页 |
| ·显式与隐式评分 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于内容的推荐算法研究 | 第27-31页 |
| ·向量空间模型 | 第27-28页 |
| ·带权重的向量空间模型 | 第28页 |
| ·算法评估 | 第28-30页 |
| ·实验设计 | 第28-29页 |
| ·实验结果 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于用户行为的视频推荐算法研究 | 第31-45页 |
| ·基于协同过滤的推荐技术 | 第31-39页 |
| ·相似度度量算法 | 第31-32页 |
| ·协同过滤算法原理 | 第32-33页 |
| ·算法评估 | 第33-39页 |
| ·基于隐语义模型推荐技术 | 第39-43页 |
| ·隐语义模型算法 | 第39-41页 |
| ·考虑偏好的隐语义模型 | 第41页 |
| ·算法评估 | 第41-43页 |
| ·协同过滤和隐语义模型推荐比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 5 混合推荐技术 | 第45-49页 |
| ·线性加权组合 | 第45页 |
| ·最小二乘法拟合 | 第45-46页 |
| ·算法评估 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 6 推荐系统原型设计 | 第49-55页 |
| ·推荐引擎架构 | 第49-50页 |
| ·离线推荐引擎 | 第50-51页 |
| ·用户行为提取及权重分析模块 | 第50-51页 |
| ·相似度计算模块 | 第51页 |
| ·用户反馈模块 | 第51页 |
| ·在线推荐引擎 | 第51-54页 |
| ·用户行为处理及推荐模块 | 第51-52页 |
| ·过滤与排序 | 第52-53页 |
| ·推荐解释模块 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 7 结论和展望 | 第55-57页 |
| ·本文工作总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 作者简历 | 第59-63页 |
| 学位论文数据集 | 第63页 |
