基于信任度和用户行为的视频推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-15页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容及创新 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关研究工作 | 第15-25页 |
| 2.1 推荐算法 | 第15-19页 |
| 2.1.1 基于内容的推荐算法 | 第15-16页 |
| 2.1.2 协同过滤算法 | 第16-17页 |
| 2.1.3 基于社会化网络的算法 | 第17-18页 |
| 2.1.4 混合推荐算法 | 第18-19页 |
| 2.2 协同过滤算法主要问题 | 第19-21页 |
| 2.2.1 数据稀疏性 | 第19页 |
| 2.2.2 冷启动问题 | 第19页 |
| 2.2.3 扩展性问题 | 第19-20页 |
| 2.2.4 相似度计算方法 | 第20-21页 |
| 2.3 社会化推荐 | 第21-22页 |
| 2.4 推荐性能评价 | 第22-24页 |
| 2.5 小结 | 第24-25页 |
| 第三章 基于兴趣度的视频数据清理算法 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 算法原理和创新 | 第25-27页 |
| 3.3 算法设计 | 第27-33页 |
| 3.3.1 视频数据清理算法步骤 | 第27-28页 |
| 3.3.2 兴趣度的度量 | 第28页 |
| 3.3.3 视频间的相似度 | 第28-33页 |
| 3.4 实验结果 | 第33-36页 |
| 3.4.1 数据集 | 第33页 |
| 3.4.2 实验方案 | 第33-34页 |
| 3.4.3 测试视频间相似度的改进 | 第34-35页 |
| 3.4.4 测试视频数据清理算法的性能 | 第35-36页 |
| 3.5 小结 | 第36-38页 |
| 第四章 基于依赖度的社会化推荐算法 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 算法原理和创新 | 第38-39页 |
| 4.3 算法设计 | 第39-48页 |
| 4.3.1 负样本采样方法 | 第40-43页 |
| 4.3.2 兴趣相似度 | 第43-44页 |
| 4.3.3 熟悉度的度量 | 第44页 |
| 4.3.4 信任度的度量 | 第44-45页 |
| 4.3.5 信誉度的度量 | 第45-46页 |
| 4.3.6 依赖度的度量 | 第46-48页 |
| 4.4 实验结果 | 第48-52页 |
| 4.4.1 数据集 | 第48页 |
| 4.4.2 对比算法和性能指标 | 第48-49页 |
| 4.4.3 实验方案 | 第49-50页 |
| 4.4.4 实验结果 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 视频推荐系统的设计和实现 | 第54-72页 |
| 5.1 系统概述 | 第54页 |
| 5.2 系统设计 | 第54-59页 |
| 5.2.1 系统架构 | 第54-55页 |
| 5.2.2 系统详细设计 | 第55-56页 |
| 5.2.3 数据库设计 | 第56-59页 |
| 5.3 系统主要功能的实现和测试 | 第59-67页 |
| 5.3.1 主要技术框架 | 第59-60页 |
| 5.3.2 用户信息管理 | 第60-65页 |
| 5.3.3 社会化关系管理 | 第65页 |
| 5.3.4 推荐原始数据记录 | 第65-67页 |
| 5.4 推荐算法设计和实现 | 第67-71页 |
| 5.5 小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 未来展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
