基于情境感知的个性化电影推荐
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景 | 第9-10页 |
| ·国内外推荐产品发展现状 | 第10-11页 |
| ·电子商务推荐 | 第10页 |
| ·音乐推荐 | 第10-11页 |
| ·电影推荐 | 第11页 |
| ·推荐系统介绍 | 第11-15页 |
| ·推荐引擎的工作原理 | 第11-12页 |
| ·基于协同过滤的推荐机制 | 第12-15页 |
| ·基于用户的协同过滤推荐 | 第13页 |
| ·基于物品的协同过滤推荐 | 第13-14页 |
| ·基于模型的协同过滤推荐 | 第14-15页 |
| ·情境感知的推荐系统 | 第15-16页 |
| ·情境感知介绍 | 第15页 |
| ·情境感知的推荐系统 | 第15-16页 |
| ·论文结构 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 个性化电影推荐用户研究 | 第19-30页 |
| ·用户研究方法 | 第19-21页 |
| ·视频推荐用户研究 | 第21-28页 |
| ·网络视频用户人口特征分析 | 第21-24页 |
| ·网络视频用户年龄分布 | 第21-22页 |
| ·网络视频用户性别分布 | 第22页 |
| ·网络视频用户婚姻状况分布 | 第22-23页 |
| ·网络视频用户学历和职业分布 | 第23-24页 |
| ·用户对于推荐的使用情况 | 第24-26页 |
| ·用户访谈招募条件 | 第24-25页 |
| ·用户访谈结果 | 第25-26页 |
| ·用户对于电影推荐的态度和认知 | 第26-27页 |
| ·电影推荐的分类 | 第27-28页 |
| ·用户模型 | 第28-29页 |
| ·用户建模的意义 | 第28页 |
| ·用户模型的分类 | 第28页 |
| ·静态用户模型 | 第28页 |
| ·动态用户模型 | 第28页 |
| ·基于原型的用户模型 | 第28页 |
| ·高自适应的用户模型 | 第28页 |
| ·建立电影推荐系统用户模型 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 用户观影情境 | 第30-36页 |
| ·观影情境简介 | 第30页 |
| ·用户观影情境分类 | 第30-31页 |
| ·用户情境识别 | 第31-34页 |
| ·用户静态情境 | 第31-33页 |
| ·用户动态情境 | 第33-34页 |
| ·电影类型划分 | 第34页 |
| ·问卷设计和投放 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 用户情境数据统计和分析 | 第36-51页 |
| ·用户性别和电影偏好 | 第36-38页 |
| ·交叉分析 | 第36-37页 |
| ·用户性别和电影偏好的分布 | 第37-38页 |
| ·用户类型和电影偏好 | 第38-44页 |
| ·用户类型分布 | 第38-39页 |
| ·统计结果 | 第39-44页 |
| ·A类型用户 | 第40-41页 |
| ·B类型用户 | 第41-42页 |
| ·C类型用户 | 第42-43页 |
| ·D类型用户 | 第43-44页 |
| ·用户心情和观影倾向 | 第44-50页 |
| ·统计结果 | 第45-50页 |
| ·积极情绪统计结果 | 第45-48页 |
| ·消极情绪统计结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 建立用户观影情境模型 | 第51-58页 |
| ·电影偏好度 | 第51-53页 |
| ·用户性别和电影偏好度 | 第51-52页 |
| ·用户类型和电影偏好度 | 第52-53页 |
| ·电影观影倾向度 | 第53-54页 |
| ·积极情绪下的观影倾向度 | 第53-54页 |
| ·消极情绪下的观影倾向度 | 第54页 |
| ·用户观影情境模型 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结和展望 | 第58-60页 |
| ·本文研究成果 | 第58-59页 |
| ·论文创新点 | 第59页 |
| ·研究局限 | 第59页 |
| ·未来研究展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录1 | 第62-64页 |
| 附录2 | 第64-69页 |
| 附录3 | 第69-74页 |
| 附录4 | 第74-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
