| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·课题主要研究内容 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 视频推荐系统及其相关技术 | 第16-35页 |
| ·推荐系统概述 | 第16-17页 |
| ·推荐系统结构 | 第17-20页 |
| ·推荐系统常用技术 | 第20-30页 |
| ·基于人口统计学的推荐 | 第20-21页 |
| ·基于内容的推荐 | 第21-22页 |
| ·基于关联规则的推荐 | 第22-24页 |
| ·基于协作过滤的推荐 | 第24-29页 |
| ·推荐技术比较 | 第29-30页 |
| ·推荐技术评测 | 第30-31页 |
| ·推荐系统实验和常用数据集 | 第31-34页 |
| ·推荐系统实验方法 | 第31-33页 |
| ·实验数据集 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于视频流行度和用户偏好变化的协作过滤算法 | 第35-57页 |
| ·用户偏好的获取与建模 | 第35-39页 |
| ·用户行为信息分类和表示 | 第35-36页 |
| ·用户偏好变化的度量方式 | 第36-38页 |
| ·用户偏好模型的建立 | 第38-39页 |
| ·视频流行度和用户活跃度 | 第39-41页 |
| ·Top-N 推荐中基于领域的协作过滤算法 | 第41-48页 |
| ·基于用户的协作过滤 | 第42-44页 |
| ·基于物品的协作过滤 | 第44-45页 |
| ·基于视频流行度和用户偏好变化的协作过滤 | 第45-48页 |
| ·实验设计及结果分析 | 第48-56页 |
| ·实验数据及分析流程 | 第48-50页 |
| ·实验评测指标 | 第50-51页 |
| ·实验结果分析 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于矩阵分解的协作过滤算法 | 第57-73页 |
| ·评分预测中的数据稀疏性问题 | 第57-62页 |
| ·稀疏性问题 | 第57-58页 |
| ·现有的解决方案 | 第58-62页 |
| ·基于矩阵分解的协作过滤推荐 | 第62-67页 |
| ·矩阵分解模型 | 第62-65页 |
| ·矩阵分解模型的描述 | 第62-64页 |
| ·矩阵分解模型的求解 | 第64-65页 |
| ·引入评分偏置的矩阵分解模型 | 第65-67页 |
| ·实验设计及结果分析 | 第67-72页 |
| ·实验数据 | 第67-68页 |
| ·实验评测指标 | 第68页 |
| ·实验方案及结果分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 总结及展望 | 第73-75页 |
| ·总结 | 第73页 |
| ·进一步工作及未来研究方向 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻硕期间取得的研究成果 | 第79-80页 |