基于聚类层次模型的视频推荐算法
| 摘要 | 第2-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 视频推荐算法关键技术研究 | 第13-24页 |
| 2.1 推荐算法介绍 | 第13-18页 |
| 2.1.1 推荐算法原理 | 第13-14页 |
| 2.1.2 基于内容的推荐算法 | 第14页 |
| 2.1.3 基于协同过滤的推荐算法 | 第14-17页 |
| 2.1.4 其他推荐算法 | 第17页 |
| 2.1.5 推荐算法优缺点比较 | 第17-18页 |
| 2.2 推荐算法关键技术 | 第18-21页 |
| 2.2.1 相似度计算 | 第18-19页 |
| 2.2.2 分类标签权重计算 | 第19-21页 |
| 2.3 推荐算法的评判标准 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 视频推荐算法聚类层次分析 | 第24-33页 |
| 3.1 视频推荐的用户聚类分析 | 第24-29页 |
| 3.1.1 聚类算法简介 | 第24-27页 |
| 3.1.2 用户属性的相似性计算 | 第27-29页 |
| 3.2 视频推荐的层次分析 | 第29-32页 |
| 3.2.1 层次分析法简介 | 第29-30页 |
| 3.2.2 层次分析过程计算 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于聚类层次模型的视频推荐算法 | 第33-40页 |
| 4.1 VRBCH推荐算法详述 | 第33-38页 |
| 4.1.1 数学模型介绍 | 第33-34页 |
| 4.1.2 VRBCH推荐算法 | 第34-38页 |
| 4.2 推荐过程 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 实验评估与分析 | 第40-49页 |
| 5.1 实验数据集 | 第40-41页 |
| 5.2 实验评估标准 | 第41-42页 |
| 5.3 VRBCH推荐算法参数优化 | 第42-45页 |
| 5.4 推荐算法实验结果比对 | 第45-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 作者攻读硕士期间的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |
