基于物品协同过滤的个性化视频推荐算法改进研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景与意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·主要研究内容 | 第10页 |
| ·论文组织结构 | 第10-12页 |
| 第二章 个性化推荐技术概述 | 第12-23页 |
| ·推荐系统概述 | 第12-13页 |
| ·推荐系统定义 | 第12页 |
| ·个性化推荐应用案例 | 第12-13页 |
| ·推荐系统实验方法 | 第13-14页 |
| ·离线实验 | 第13页 |
| ·用户调查法 | 第13-14页 |
| ·在线AB实验法 | 第14页 |
| ·推荐算法评测标准 | 第14-15页 |
| ·个性化推荐算法分析 | 第15-20页 |
| .2.4.1基于用户特征的推荐算法 | 第16-17页 |
| ·基于内容的推荐算法 | 第17-18页 |
| ·基于用户的协同过滤算法 | 第18-19页 |
| ·基于物品的协同过滤算法 | 第19-20页 |
| ·算法对比分析 | 第20页 |
| ·相关技术分析 | 第20-22页 |
| ·物品相似度计算 | 第20-21页 |
| ·用户偏好计算 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于规则的视频共现矩阵计算 | 第23-31页 |
| ·影响共现值因子分析 | 第23-25页 |
| ·共现回归方程 | 第23-24页 |
| ·回归方程参数估计 | 第24-25页 |
| ·基于规则的共现矩阵计算 | 第25-27页 |
| ·实验及结果分析 | 第27-30页 |
| ·MovieLens数据集 | 第27-28页 |
| ·实验结果 | 第28-29页 |
| ·实验分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于用户兴趣特征的偏好计算 | 第31-38页 |
| ·用户兴趣特征获取和建模 | 第31-32页 |
| ·用户兴趣特征获取 | 第31页 |
| ·用户兴趣特征建模 | 第31-32页 |
| ·视频质量表示 | 第32-34页 |
| ·基于k-means的用户聚类 | 第33页 |
| ·聚类结果 | 第33-34页 |
| ·基于用户兴趣特征的偏好计算 | 第34-35页 |
| ·实验及结果分析 | 第35-37页 |
| ·实验结果 | 第35-36页 |
| ·实验分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于物品协同过滤的个性化视频推荐算法改进 | 第38-46页 |
| ·算法描述 | 第38-39页 |
| ·参数优化 | 第39-42页 |
| ·K值选取 | 第39-41页 |
| ·N值选取 | 第41-42页 |
| ·算法验证 | 第42-45页 |
| ·分类规则验证 | 第42-43页 |
| ·共现值设置验证 | 第43-44页 |
| ·传统算法对比验证 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间论文发表情况 | 第52页 |
