基于视频流的用户兴趣挖掘模型设计及仿真实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-14页 |
| ·研究背景 | 第10-12页 |
| ·研究现状及意义 | 第12页 |
| ·内容和工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 WEB挖掘技术与兴趣模型介绍 | 第14-31页 |
| ·WEB挖掘概述 | 第14-23页 |
| ·Web挖掘的定义和分类 | 第14-16页 |
| ·Web挖掘的步骤 | 第16页 |
| ·文本分词与特征词选取技术 | 第16-19页 |
| ·文本分类和聚类 | 第19-21页 |
| ·Web浏览信息的挖掘 | 第21-23页 |
| ·兴趣模型概述 | 第23-27页 |
| ·个性化推荐技术及实例 | 第27-30页 |
| ·个性化推荐技术概述 | 第27-29页 |
| ·WebWatcher的个性化推荐系统 | 第29-30页 |
| ·Amazon（亚马逊）的个性化服务 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 视频流相关信息的挖掘 | 第31-48页 |
| ·WEB视频相关信息的挖掘概述 | 第32-34页 |
| ·WEB视频相关信息的提取 | 第34-41页 |
| ·Web视频相关页面的获取 | 第34-37页 |
| ·视频相关文本信息的获取 | 第37-40页 |
| ·视频时长的获取 | 第40-41页 |
| ·数据预处理 | 第41-42页 |
| ·视频描述的向量表示 | 第42-43页 |
| ·用户行为信息的获取 | 第43-44页 |
| ·视频相关信息提取方案的实现 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 SCT用户兴趣模型的设计 | 第48-57页 |
| ·SCT用户兴趣模型概述 | 第49-50页 |
| ·视频类型匹配 | 第50-52页 |
| ·视频兴趣度的计算和修正 | 第52-54页 |
| ·视频兴趣到商品兴趣的映射 | 第54-55页 |
| ·相似兴趣的用户聚类 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 SCT用户兴趣模型原型系统设计与实现 | 第57-77页 |
| ·视频流用户兴趣模型的原型设计 | 第57-58页 |
| ·标准分类树和广告分类的建立 | 第58-71页 |
| ·人群属性与商品分类 | 第58-60页 |
| ·视频标准分类树与训练集的建立 | 第60-71页 |
| ·用户观看历史的分类 | 第71-73页 |
| ·用户人群概率及商品兴趣的计算 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 试验及结果分析 | 第77-80页 |
| ·SCT模型的兴趣计算 | 第77-78页 |
| ·SCT模型与平面映射模型的比较 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第七章 结论和展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 在学期间的研究成果 | 第86-87页 |
