基于可视化知识框架的视频推荐系统研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 视频推荐研究现状 | 第10-14页 |
| 1.2.1 视频推荐研究分类 | 第11-12页 |
| 1.2.2 视频推荐系统的典型应用 | 第12-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 1.3.1 内容划分阐述 | 第14-15页 |
| 1.3.2 基本研究思路 | 第15-16页 |
| 1.4 本文研究工作及组织结构 | 第16-18页 |
| 1.4.1 本文研究工作 | 第16-17页 |
| 1.4.2 本文组织结构 | 第17-18页 |
| 2 视频知识框架构建 | 第18-30页 |
| 2.1 视频结构分析与挖掘 | 第18-20页 |
| 2.2 视频标识的提取 | 第20-26页 |
| 2.2.1 静态标识提取 | 第21-23页 |
| 2.2.2 动态标识提取 | 第23-26页 |
| 2.3 视频知识框架的可视化技术 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 推荐算法研究 | 第30-42页 |
| 3.1 推荐系统基本框架 | 第30-31页 |
| 3.2 相似性度量及比较 | 第31-37页 |
| 3.2.1 物理空间距离度量方法 | 第31-34页 |
| 3.2.2 属性相似度度量方法 | 第34-36页 |
| 3.2.3 距离度量和相似度度量区别 | 第36-37页 |
| 3.3 现有推荐算法分析 | 第37-41页 |
| 3.3.1 基于内容推荐 | 第37-38页 |
| 3.3.2 传统协同过滤推荐 | 第38-39页 |
| 3.3.3 其他推荐算法 | 第39-40页 |
| 3.3.4 推荐算法优缺点比较 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 协同过滤推荐算法改进 | 第42-48页 |
| 4.1 相关概念 | 第42-43页 |
| 4.2 算法的改进与步骤分析 | 第43-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 系统设计与实现 | 第48-63页 |
| 5.1 系统开发平台搭建 | 第48-49页 |
| 5.1.1 硬件配置 | 第48-49页 |
| 5.1.2 软件配置 | 第49页 |
| 5.2 系统整体设计 | 第49-53页 |
| 5.2.1 系统MVC模式应用 | 第49-50页 |
| 5.2.2 系统功能模型划分 | 第50-52页 |
| 5.2.3 系统实现流程 | 第52-53页 |
| 5.3 主要功能模块实现 | 第53-60页 |
| 5.3.1 数据处理模块实现 | 第53-57页 |
| 5.3.2 推荐模块实现 | 第57-59页 |
| 5.3.3 示模块实现 | 第59-60页 |
| 5.4 系统测试与评价 | 第60-62页 |
| 5.4.1 测试方法介绍 | 第60-61页 |
| 5.4.2 测试结果及评价 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间主要研究成果 | 第70-71页 |
| 致谢 | 第71页 |
