基于用户播放行为序列的个性化视频推荐研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文结构 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 第2章 相关理论基础 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 推荐系统概述 | 第15-16页 |
| 2.3 推荐系统的相关算法 | 第16-25页 |
| 2.3.1 基于内容的推荐算法 | 第17-19页 |
| 2.3.2 基于协同过滤的推荐算法 | 第19-23页 |
| 2.3.3 基于矩阵分解的推荐算法[23] | 第23-25页 |
| 2.3.4 基于图方法的推荐算法 | 第25页 |
| 2.4 推荐系统的评价指标 | 第25-28页 |
| 2.4.1 预测准确度 | 第26-27页 |
| 2.4.2 ROC曲线和AUC值 | 第27-28页 |
| 2.4.3 覆盖率(Coverage) | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于深度语义模型的视频个性化推荐系统 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 Seq4Rec算法流程概述 | 第30-31页 |
| 3.3 数据获取与数据预处理 | 第31-32页 |
| 3.3.1 数据获取 | 第31-32页 |
| 3.3.2 数据预处理 | 第32页 |
| 3.4 视频建模 | 第32-36页 |
| 3.4.1 模型结构原理介绍 | 第33-34页 |
| 3.4.2 目标函数与最优化求解 | 第34-36页 |
| 3.5 视频相似度计算 | 第36-37页 |
| 3.6 用户兴趣偏好建模 | 第37-40页 |
| 3.6.1 视频聚类 | 第37-39页 |
| 3.6.2 兴趣分布 | 第39-40页 |
| 3.7 推荐生成策略 | 第40-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第4章 实验设计和结果分析 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 实验环境和数据描述 | 第43页 |
| 4.3 实验过程 | 第43-53页 |
| 4.3.1 数据预处理 | 第43-44页 |
| 4.3.2 视频建模 | 第44-47页 |
| 4.3.3 视频聚类数量选取 | 第47-48页 |
| 4.3.4 视频向量维度 | 第48-49页 |
| 4.3.5 兴趣缩放因子? | 第49-50页 |
| 4.3.6 聚类簇数量K和TopN | 第50-52页 |
| 4.3.7 对比传统算法 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 论文工作总结 | 第54-55页 |
| 5.2 未来展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的研究成果 | 第62页 |
