面向IPTV节目热度（冷却期）预测
| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·研究现状及意义 | 第12-15页 |
| ·相关时序数据预测理论研究现状 | 第12-13页 |
| ·面向IPTV平台的预测现状 | 第13-15页 |
| ·面向IPTV平台节目预测特性 | 第13页 |
| ·IPTV平台相关研究及预测现状 | 第13-15页 |
| ·本文研究目标及内容 | 第15-16页 |
| ·论文的结构安排 | 第16-17页 |
| 第二章 相关研究工作 | 第17-23页 |
| ·时间序列预测背景 | 第17页 |
| ·时间序列研究问题 | 第17-18页 |
| ·时间序列预测相关模型 | 第18-20页 |
| ·时间序列数据预测特点 | 第19-20页 |
| ·节目热度相关预测介绍 | 第20-22页 |
| ·节目收视相关研究 | 第20-21页 |
| ·IPTV平台相关预测成果 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 面向IPTV节目热度预测模型 | 第23-29页 |
| ·UIT-TPM模型 | 第24-26页 |
| ·UIT-TPM模型分析 | 第26页 |
| ·UIT-TP模型预测思路及关键点 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 用户-项目关系及挖掘算法 | 第29-44页 |
| ·用户-项目关系分析 | 第29-30页 |
| ·传统基于用户-项目关系的挖掘技术 | 第30-34页 |
| ·传统用户-项目关系挖掘概况 | 第30-31页 |
| ·传统用户-项目关系的内容推荐挖掘算法 | 第31-32页 |
| ·基于内容推荐挖掘简介 | 第31页 |
| ·基于内容推荐挖掘技术算法实现 | 第31-32页 |
| ·传统用户-项目关系的协同过滤推荐挖掘算法 | 第32-33页 |
| ·基于协同过滤推荐挖掘简介 | 第32页 |
| ·基于协同过滤推荐挖掘技术算法实现 | 第32-33页 |
| ·传统基于用户-项目关系挖掘存在问题 | 第33-34页 |
| ·基于内容推荐挖掘存在问题 | 第33-34页 |
| ·基于协同过滤推荐挖掘存在问题 | 第34页 |
| ·面向IPTV的用户-项目关系挖掘 | 第34-41页 |
| ·用户-项目关系的挖掘思路 | 第34-36页 |
| ·用户-项目关系的交互行为挖掘算法 | 第36-39页 |
| ·用户相关行为分类 | 第36-37页 |
| ·用户显示评分行为挖掘算法 | 第37页 |
| ·用户观看行为挖掘算法 | 第37-38页 |
| ·用户收藏行为挖掘算法 | 第38-39页 |
| ·基于用户兴趣和特征的用户-项目关系挖掘算法 | 第39-41页 |
| ·基于用户特征和偏好的相似度分析 | 第40页 |
| ·性别特征相似性 | 第40页 |
| ·年龄特征相似性 | 第40页 |
| ·用户偏好相似性 | 第40-41页 |
| ·相似度加权融合 | 第41页 |
| ·计算最近邻和对预测节目的评分 | 第41页 |
| ·用户-项目关系实验分析 | 第41-43页 |
| ·实验数据集及策略 | 第41页 |
| ·评价标准 | 第41-42页 |
| ·实验结果及分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 用户-时间关系及挖掘算法 | 第44-63页 |
| ·面向IPTV的用户-时间关系模型 | 第44-45页 |
| ·面向IPTV的用户-时间关系分析 | 第45页 |
| ·面向IPTV的定量用户-时间关系挖掘 | 第45-53页 |
| ·面向IPTV的定量用户-时间关系分析 | 第46-49页 |
| ·面向IPTV定量用户-时间关系挖掘算法 | 第49-53页 |
| ·基于长期的定量用户-时间关系挖掘算法 | 第49-50页 |
| ·基于用户兴趣的用户-时间关系挖掘算法 | 第50-51页 |
| ·基于时间窗口的用户-时间关系挖掘算法 | 第51-53页 |
| ·面向IPTV的用户-时间关系的预测 | 第53页 |
| ·面向IPTV的定性用户-时间关系挖掘 | 第53-59页 |
| ·面向IPTV的定性用户-时间关系分析 | 第53-57页 |
| ·面向IPTV的定性用户-时间关系挖掘算法 | 第57-59页 |
| ·节目Growth区间挖掘算法 | 第57-58页 |
| ·定性用户-时间关系挖掘算法 | 第58-59页 |
| ·面向IPTV节目热度前期趋势预测 | 第59页 |
| ·用户-时间关系实验分析 | 第59-62页 |
| ·实验数据集及策略 | 第59-60页 |
| ·评价标准 | 第60页 |
| ·实验结果及分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 项目-时间关系及挖掘算法 | 第63-72页 |
| ·面向IPTV的项目-时间关系分析 | 第63-65页 |
| ·面向IPTV项目-时间关系的项目热度挖掘 | 第65-68页 |
| ·基于自然时间因素的项目热度衰减模型 | 第65页 |
| ·基于冲激源事件的项目热度冲激模型 | 第65-67页 |
| ·面向IPTV项目-时间关系的项目热度挖掘算法 | 第67-68页 |
| ·面向IPTV节目热度后期趋势预测 | 第68页 |
| ·项目-时间关系实验分析 | 第68-70页 |
| ·实验数据集及策略 | 第68页 |
| ·评价标准 | 第68-70页 |
| ·实验结果及分析 | 第70页 |
| ·本章小结 | 第70-72页 |
| 第七章 实验分析及讨论 | 第72-78页 |
| ·实验设计 | 第72-75页 |
| ·实验数据集 | 第72-75页 |
| ·数据形式 | 第72-74页 |
| ·数据选取策略 | 第74-75页 |
| ·实验策略 | 第75页 |
| ·节目热度预测实验及分析 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第八章 结论与展望 | 第78-80页 |
| ·本文工作总结 | 第78-79页 |
| ·工作展望 | 第79-80页 |
| 附录A：攻读硕士学位期间发表的论文 | 第80页 |
| 附录B：攻读硕士学位期间撰写的专利 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 致谢 | 第84页 |
