基于IPTV用户兴趣模型的挖掘算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究概况 | 第11-18页 |
| 1.2.1 推荐系统的研究现状 | 第11-15页 |
| 1.2.2 面向IPTV个性化推荐系统的研究现状 | 第15-16页 |
| 1.2.3 用户兴趣模型的研究现状 | 第16-18页 |
| 1.3 本文的研究内容与组织结构 | 第18-20页 |
| 第二章 面向IPTV的推荐系统架构设计 | 第20-30页 |
| 2.1 系统架构概述 | 第20-22页 |
| 2.2 用户行为数据预处理 | 第22-25页 |
| 2.2.1 用户收视历史数据说明 | 第22-23页 |
| 2.2.2 用户收视行为模型 | 第23-25页 |
| 2.2.3 数据预处理流程 | 第25页 |
| 2.3 用户兴趣模型挖掘 | 第25-27页 |
| 2.4 基于用户行为的在线推荐 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于标签的用户兴趣模型挖掘 | 第30-38页 |
| 3.1 基于标签的用户兴趣模型概述 | 第30-32页 |
| 3.2 基于视频标量的标签兴趣累加算法 | 第32-35页 |
| 3.3 实验设计及分析 | 第35-36页 |
| 3.3.1 实验数据 | 第35页 |
| 3.3.2 实验步骤及结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于时间-标签的用户兴趣模型挖掘 | 第38-48页 |
| 4.1 基于时间-标签的用户兴趣模型概述 | 第38-39页 |
| 4.2 基于时间-标签的用户兴趣模型挖掘算法 | 第39-45页 |
| 4.2.1 基于时间-标签统计的挖掘算法 | 第39-41页 |
| 4.2.2 基于用户收视习惯的挖掘算法 | 第41-45页 |
| 4.3 实验设计及分析 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
