面向社交电视用户的移动终端个性化应用系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 当电视“遇上”微博—社交电视定义 | 第9-10页 |
| 1.1.2 “双屏结合”—社交电视实现方式 | 第10页 |
| 1.1.3 “个性化”—社交电视技术关键 | 第10-11页 |
| 1.2 研究现状综述 | 第11-14页 |
| 1.2.1 社交电视研究综述 | 第11-13页 |
| 1.2.2 个性化服务在社交电视领域的应用 | 第13-14页 |
| 1.3 研究方案 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关理论知识和关键技术研究 | 第17-32页 |
| 2.1 个性化技术框架综述 | 第17-19页 |
| 2.2 个性化推荐算法 | 第19-25页 |
| 2.2.1 推荐算法分类及比较 | 第19-20页 |
| 2.2.2 基于内容的推荐 | 第20-21页 |
| 2.2.3 协同过滤推荐算法 | 第21-24页 |
| 2.2.4 TopN推荐 | 第24-25页 |
| 2.2.5 混合推荐 | 第25页 |
| 2.3 社交网络数据挖掘相关技术 | 第25-31页 |
| 2.3.1 微博数据介绍 | 第26-27页 |
| 2.3.2 文本分类算法 | 第27-30页 |
| 2.3.3 社会化推荐 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于用户交互行为的个性化技术研究 | 第32-49页 |
| 3.1 系统体系结构 | 第32-34页 |
| 3.2 节目特征建模 | 第34-36页 |
| 3.2.1 节目数据采集 | 第34-35页 |
| 3.2.2 节目模型表示 | 第35-36页 |
| 3.3 用户兴趣建模 | 第36-41页 |
| 3.3.1 行为数据采集 | 第36-38页 |
| 3.3.2 用户模型表示 | 第38-41页 |
| 3.4 节目推荐算法 | 第41-48页 |
| 3.4.1 算法设计思想 | 第41-42页 |
| 3.4.2 节目混合推荐策略 | 第42-47页 |
| 3.4.3 实验结果分析 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 结合社交网络数据的个性化技术研究 | 第49-69页 |
| 4.1 “电视也微博” | 第49-51页 |
| 4.1.1 微时代的电视生存 | 第49-50页 |
| 4.1.2 社交电视微博数据特征分析 | 第50-51页 |
| 4.2 节目相关微博过滤 | 第51-62页 |
| 4.2.1 过滤系统综述 | 第52-53页 |
| 4.2.2 规则过滤 | 第53-55页 |
| 4.2.3 文本分类 | 第55-58页 |
| 4.2.4 过滤结果分析 | 第58-62页 |
| 4.3 节目相关微博推荐 | 第62-68页 |
| 4.3.1 算法设计思想 | 第62-63页 |
| 4.3.2 基于推荐指数排序的微博推荐 | 第63-67页 |
| 4.3.3 推荐结果分析 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 社交电视个性化应用系统实现 | 第69-80页 |
| 5.1 系统需求与模块架构 | 第69-73页 |
| 5.1.1 系统模块架构 | 第69-70页 |
| 5.1.2 客户端需求分析 | 第70-72页 |
| 5.1.3 服务器需求分析 | 第72-73页 |
| 5.2 系统详细设计 | 第73-76页 |
| 5.2.1 数据层设计 | 第73-75页 |
| 5.2.2 算法层设计 | 第75页 |
| 5.2.3 表示层设计 | 第75-76页 |
| 5.3 系统运行介绍及性能分析 | 第76-79页 |
| 5.3.1 运行流程及示例 | 第76-79页 |
| 5.3.2 系统性能分析 | 第79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结和展望 | 第80-82页 |
| 6.1 论文工作总结 | 第80页 |
| 6.2 进一步的研究工作 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 附录 论文使用缩写说明 | 第85-86页 |
| 致谢 | 第86-87页 |
| 攻读学位期间发表或已录用的学术论文 | 第87页 |
