| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 关键问题 | 第14-15页 |
| 1.4 本文研究工作 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 相关技术介绍 | 第17-35页 |
| 2.1 简要介绍 | 第17页 |
| 2.2 相关推荐算法 | 第17-27页 |
| 2.2.1 基于流行度的推荐方法 | 第18页 |
| 2.2.2 基于内容的推荐方法 | 第18-20页 |
| 2.2.3 基于人口统计学的推荐方法 | 第20-21页 |
| 2.2.4 协同过滤推荐方法 | 第21-26页 |
| 2.2.5 混合推荐方法 | 第26-27页 |
| 2.3 相关语义模型介绍 | 第27-32页 |
| 2.3.1 简要介绍 | 第27-28页 |
| 2.3.2 基于上下文预测的词向量模型 | 第28-32页 |
| 2.4 推荐系统的评价 | 第32-33页 |
| 2.5 本章总结 | 第33-35页 |
| 第3章 基于语义和用户偏好的直播节目推荐方法 | 第35-47页 |
| 3.1 问题描述 | 第35-36页 |
| 3.2 基于语义和用户偏好的直播节目推荐方法基本思想 | 第36-37页 |
| 3.3 算法流程及详细步骤 | 第37-42页 |
| 3.3.1 数据准备与预处理 | 第37-39页 |
| 3.3.2 用户偏好模型构建 | 第39-40页 |
| 3.3.3 基于语义的相似度计算方法 | 第40-41页 |
| 3.3.4 基于语义和用户偏好的实时推荐 | 第41-42页 |
| 3.4 实验设计与结果分析 | 第42-45页 |
| 3.4.1 实验数据与实验环境介绍 | 第42-43页 |
| 3.4.2 实时预测推荐实验 | 第43-44页 |
| 3.4.3 实时节目推荐实验 | 第44-45页 |
| 3.5 本章总结 | 第45-47页 |
| 第4章 基于语义和贪心选择的虚拟频道生成算法 | 第47-55页 |
| 4.1 问题描述 | 第47-48页 |
| 4.2 虚拟频道生成算法基本思想 | 第48-49页 |
| 4.3 算法流程及详细步骤 | 第49-52页 |
| 4.3.1 数据准备及预处理 | 第49-50页 |
| 4.3.2 感兴趣节目组选择 | 第50-51页 |
| 4.3.3 虚拟频道生成 | 第51-52页 |
| 4.4 实验设计与结果分析 | 第52-54页 |
| 4.4.1 实验数据与实验环境介绍 | 第52页 |
| 4.4.2 实验评价标准 | 第52页 |
| 4.4.3 实验结果与分析 | 第52-54页 |
| 4.5 本章总结 | 第54-55页 |
| 第5章 手机电视直播推荐系统 | 第55-65页 |
| 5.1 需求分析 | 第55-56页 |
| 5.2 手机电视直播推荐系统介绍 | 第56-62页 |
| 5.2.1 系统架构 | 第56-57页 |
| 5.2.2 数据抓取模块 | 第57页 |
| 5.2.3 视频解析模块 | 第57-58页 |
| 5.2.4 数据存储模块 | 第58页 |
| 5.2.5 Web服务器模块 | 第58页 |
| 5.2.6 个性化推荐模块 | 第58页 |
| 5.2.7 手机客户端模块 | 第58-62页 |
| 5.3 推荐方法的实现 | 第62-64页 |
| 5.4 本章总结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65页 |
| 6.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第73页 |