家庭网络中个性化影片推荐技术研究
摘要 | 第1-5页 |
ABSTRACT | 第5-14页 |
第1章 绪论 | 第14-18页 |
·引言 | 第14-15页 |
·研究背景与意义 | 第15-16页 |
·新媒体在中国的发展 | 第15-16页 |
·项目背景 | 第16页 |
·本文的内容安排 | 第16-18页 |
第2章 个性化视频推荐服务系统的分析与设计 | 第18-34页 |
·个性化推荐概念及应用 | 第18-21页 |
·个性化推荐 | 第18页 |
·基于网页浏览的个性化信息检索系统及业务流程 | 第18-19页 |
·电子商务中的个性化推荐系统 | 第19-20页 |
·数字图书馆个性化检索系统 | 第20-21页 |
·个性化视频推荐系统 | 第21-25页 |
·个性化视频推荐系统的研究现状及挑战 | 第21-23页 |
·个性化视频推荐服务平台的基本架构 | 第23-24页 |
·个性化视频服务系统的主要功能模块及业务流程 | 第24-25页 |
·家庭网络中个性化影片推荐系统设计与实现 | 第25-33页 |
·个性化影片推荐系统的业务平台 | 第26-27页 |
·个性化影片推荐系统架构 | 第27-30页 |
·个性化影片推荐系统业务流程 | 第30-31页 |
·个性化影片推荐系统实现 | 第31-33页 |
·本章小结 | 第33-34页 |
第3章 基于本体论的影片模型 | 第34-47页 |
·个性化服务系统中资源描述 | 第34-35页 |
·基于内容的方法 | 第34页 |
·基于分类的方法 | 第34页 |
·基于概念分类体系的表示 | 第34-35页 |
·数字视频信息的元数据及研究现状 | 第35-37页 |
·数字视频信息的特点 | 第35页 |
·元数据与视频元数据 | 第35-36页 |
·数字视频信息的元数据标准研究现状及发展趋势 | 第36-37页 |
·数字视频信息的文本描述 | 第37页 |
·本体 | 第37-41页 |
·本体的定义 | 第37-38页 |
·本体模型的构建 | 第38-39页 |
·几种典型的本体模型与应用举例 | 第39-41页 |
·基于本体的影片模型 | 第41-46页 |
·影片本体模型的基本概念与模型的构建 | 第41-45页 |
·影片本体模型相似度 | 第45-46页 |
·本章小结 | 第46-47页 |
第4章 个性化推荐系统中用户模型研究 | 第47-68页 |
·用户建模技术研究现状 | 第47-50页 |
·用户兴趣描述方式 | 第47-48页 |
·用户建模技术的分类 | 第48-50页 |
·视频用户访问行为特性分析 | 第50-52页 |
·数字视频的用户行为类型 | 第50-51页 |
·用户浏览行为分类 | 第51-52页 |
·科大VOD 点播系统中用户行为的分析 | 第52-59页 |
·研究平台及数据来源 | 第52-53页 |
·用户实际收看长度分析 | 第53-54页 |
·用户交互请求行为描述 | 第54-55页 |
·用户交互请求行为分析 | 第55-59页 |
·基于影片本体模型的用户兴趣偏好模型 | 第59-67页 |
·用户的个性化信息及获取方式 | 第60-61页 |
·有效的用户点播历史记录 | 第61-62页 |
·用户兴趣变化研究 | 第62-63页 |
·基于影片本体的用户兴趣学习算法 | 第63-65页 |
·用户兴趣偏好模型 | 第65-67页 |
·本章小结 | 第67-68页 |
第5章 个性化推荐算法与实现 | 第68-80页 |
·个性化推荐技术研究现状 | 第68-73页 |
·基于规则的推荐技术 | 第68-69页 |
·基于内容的信息过滤推荐技术 | 第69-70页 |
·基于协作过滤的推荐技术 | 第70-71页 |
·基于混合信息过滤的推荐技术 | 第71-72页 |
·个性化推荐技术面临的挑战 | 第72-73页 |
·家庭网络应用中个性化影片推荐算法 | 第73页 |
·仿真实验与性能比较 | 第73-79页 |
·基于内容的向量空间模型 | 第73-74页 |
·实验数据 | 第74-78页 |
·实验结果及分析 | 第78-79页 |
·本章小结 | 第79-80页 |
第6章 总结与展望 | 第80-83页 |
·本文的主要研究工作 | 第80-81页 |
·未来工作展望 | 第81-83页 |
参考文献 | 第83-88页 |
致谢 | 第88-89页 |
攻读硕士学位期间参与的科研课题 | 第89页 |
在读期间发表的学术论文与取得的研究成果 | 第89页 |