| 目录 | 第3-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 . 引言 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-12页 |
| 1.2.1 个性化推荐技术的研究方案 | 第8-10页 |
| 1.2.2 面向互动电视的个性化推荐技术的研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第2章 . 个性化推荐系统及其相关技术 | 第13-22页 |
| 2.1 个性化推荐系统的定义与架构 | 第13-15页 |
| 2.1.1 个性化推荐技术的定义 | 第13-14页 |
| 2.1.2 个性化推荐系统的架构 | 第14-15页 |
| 2.2 个性化推荐技术 | 第15-19页 |
| 2.2.1 基于内容的推荐技术 | 第15-16页 |
| 2.2.2 基于协同过滤的推荐技术 | 第16-18页 |
| 2.2.3 基于关联规则的推荐技术 | 第18页 |
| 2.2.4 组合推荐技术 | 第18-19页 |
| 2.3 推荐系统的评价指标 | 第19-22页 |
| 2.3.1 预测评分精确度评价 | 第20页 |
| 2.3.2 推荐结果准确性评价 | 第20-22页 |
| 第3章 . 面向互动电视的推荐系统中的优化技术 | 第22-35页 |
| 3.1 互动电视推荐技术中针对连续剧推荐的优化 | 第22-27页 |
| 3.1.1 互动电视中连续剧剧集推荐中存在的问题 | 第22页 |
| 3.1.2 针对连续剧的解决方案 | 第22-27页 |
| 3.2 互动电视推荐技术中针对用户点播的时间优化 | 第27-31页 |
| 3.2.1 不同时间段用户点播的特征 | 第28-29页 |
| 3.2.2 时间函数的选取 | 第29-31页 |
| 3.3 互动电视中针对视频项目的隐式评分获取方案 | 第31-35页 |
| 3.3.1 用户显示评分的不可靠性 | 第31-32页 |
| 3.3.2 针对视频节目的隐式评分获取项目 | 第32-35页 |
| 第4章 . 面向互动电视的影视节目推荐系统架构设计 | 第35-50页 |
| 4.1 系统设计背景与开发运行环境 | 第35页 |
| 4.2 系统总体框架设计 | 第35-36页 |
| 4.3 系统子模块设计 | 第36-47页 |
| 4.3.1 用户行为记录采集模块 | 第36-38页 |
| 4.3.2 影视元数据抓取模块 | 第38-39页 |
| 4.3.3 面向互动电视的协同过滤算法 | 第39-44页 |
| 4.3.4 面向互动电视的个性化推荐系统数据存储结构 | 第44-45页 |
| 4.3.5 系统数据库设计 | 第45-47页 |
| 4.4 系统运行效果 | 第47-50页 |
| 第5章 . 总结与展望 | 第50-52页 |
| 5.1 本文中实现的影视节目推荐系统的特点 | 第50-51页 |
| 5.2 不足与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
