| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究的背景、目的和意义 | 第9-10页 |
| 1.1.1 研究的背景 | 第9-10页 |
| 1.1.2 研究的目的和意义 | 第10页 |
| 1.2 国内外关于短视频产品推荐算法的研究 | 第10-12页 |
| 1.2.1 国内关于短视频产品推荐算法的研究现状 | 第10-11页 |
| 1.2.2 国外关于短视频产品推荐算法的研究现状 | 第11-12页 |
| 1.3 研究的内容及创新点 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 创新之处 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第2章 短视频推荐算法相关技术 | 第16-23页 |
| 2.1 本文用到的短视频推荐算法 | 第16-20页 |
| 2.1.1 基于用户的协同过滤算法 | 第16-17页 |
| 2.1.2 基于物品的协同过滤算法 | 第17-18页 |
| 2.1.3 基于隐语义模型的推荐算法 | 第18-20页 |
| 2.2 短视频推荐系统的评测指标 | 第20-22页 |
| 2.2.1 短视频常用评测指标 | 第20-21页 |
| 2.2.2 本文使用的评测指标 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 短视频推荐架构与系统设计 | 第23-40页 |
| 3.1 前期问题分析及解决方案 | 第23-28页 |
| 3.1.1 冷启动问题 | 第23页 |
| 3.1.2 冷启动的解决方案 | 第23-25页 |
| 3.1.3 内容源与分类体系问题 | 第25-26页 |
| 3.1.4 内容源整理和内容池构建 | 第26-28页 |
| 3.2 短视频推荐架构设计 | 第28-39页 |
| 3.2.1 推荐架构设计框架 | 第28-29页 |
| 3.2.2 特征抽取阶段 | 第29-30页 |
| 3.2.3 多通道的召回策略 | 第30-36页 |
| 3.2.4 过滤层设计 | 第36页 |
| 3.2.5 排序层设计 | 第36-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 模型搭建与实验设计 | 第40-47页 |
| 4.1 基于TextCNN和DNN的短视频排序算法的实验设计 | 第40-46页 |
| 4.1.1 数据获取及预处理 | 第40-41页 |
| 4.1.2 嵌入式特征映射 | 第41-42页 |
| 4.1.3 TextCNN处理视频文本特征 | 第42-43页 |
| 4.1.4 DNN网络搭建与模型训练 | 第43-44页 |
| 4.1.5 结果分析 | 第44-46页 |
| 4.2 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 本文相关总结 | 第47页 |
| 5.2 未来展望 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 附录A 数据预处理代码 | 第51-53页 |
| 附录B TextCNN网络构建代码 | 第53-54页 |
| 附录C DNN计算图代码 | 第54-58页 |
| 致谢 | 第58-59页 |