基于Web挖掘的视频推荐系统分析与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 引言 | 第10-13页 |
| 1.2 研究背景和意义 | 第13-15页 |
| 1.2.1 课题研究背景 | 第13-14页 |
| 1.2.2 课题研究意义 | 第14-15页 |
| 1.3 国内外发展与研究现状 | 第15-17页 |
| 1.4 本论文的研究内容 | 第17-19页 |
| 第二章 个性化推荐相关技术 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 个性化推荐系统研究简介 | 第19-26页 |
| 2.2.1 基于内容的推荐系统 | 第21-23页 |
| 2.2.2 协同过滤推荐系统 | 第23-24页 |
| 2.2.3 情境感知推荐系统 | 第24-26页 |
| 2.3 Web数据挖掘综述 | 第26-29页 |
| 2.3.1 Web数据挖掘的分类 | 第26-28页 |
| 2.3.2 Web数据挖掘的流程 | 第28页 |
| 2.3.3 Web数据挖掘应用 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于Web挖掘的视频推荐方法的分析与实现 | 第30-40页 |
| 3.1 系统总体流程 | 第30-31页 |
| 3.2 Web数据采集及预处理 | 第31-33页 |
| 3.3 用户兴趣模型建立 | 第33-35页 |
| 3.4 推荐算法实现 | 第35-39页 |
| 3.4.1 协同过滤推荐原理 | 第35-37页 |
| 3.4.2 推荐算法优化 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于Web挖掘的视频推荐系统分析与设计 | 第40-51页 |
| 4.1 系统需求分析 | 第40-41页 |
| 4.1.1 系统目标用户分析 | 第40页 |
| 4.1.2 系统功能需求分析 | 第40-41页 |
| 4.2 视频推荐系统架构 | 第41-44页 |
| 4.2.1 推荐系统总体架构 | 第42-43页 |
| 4.2.2 数据处理平台架构 | 第43-44页 |
| 4.3 视频推荐系统设计 | 第44-50页 |
| 4.3.1 系统流程设计 | 第44-47页 |
| 4.3.2 数据库设计 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于Web挖掘的视频推荐系统实现与测试 | 第51-66页 |
| 5.1 系统环境搭建 | 第51-53页 |
| 5.2 系统实现 | 第53-57页 |
| 5.2.1 用户注册 | 第53-54页 |
| 5.2.2 用户登录 | 第54-55页 |
| 5.2.3 视频搜索 | 第55-56页 |
| 5.2.4 视频推荐 | 第56-57页 |
| 5.2.5 管理员登录 | 第57页 |
| 5.3 推荐系统结果与评估 | 第57-63页 |
| 5.3.1 推荐结果比较 | 第58-60页 |
| 5.3.2 推荐系统评估 | 第60-63页 |
| 5.4 系统测试 | 第63-65页 |
| 5.4.1 单元测试 | 第64-65页 |
| 5.4.2 兼容性测试 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录1 攻读硕士学位期间申请的专利 | 第71-72页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73页 |
