| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 论文章节安排 | 第13-14页 |
| 第2章 相关理论基础 | 第14-23页 |
| 2.1 PLSA话题分析模型 | 第14-16页 |
| 2.2 LDA话题分析模型 | 第16-18页 |
| 2.3 词向量话题分析模型 | 第18-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 DNN算法中用户、视频向量表示及其相似度衡量方法 | 第23-30页 |
| 3.1 视频特征分布向量表达 | 第23-24页 |
| 3.2 用户分布向量表达 | 第24-25页 |
| 3.3 相似度度量 | 第25-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 DNN推荐算法实现及实验结果 | 第30-42页 |
| 4.1 实验数据和实验环境 | 第30页 |
| 4.2 实验过程 | 第30-33页 |
| 4.3 实验评价指标 | 第33-34页 |
| 4.3.1 视频角度 | 第33-34页 |
| 4.3.2 用户角度 | 第34页 |
| 4.4 实验结果及分析 | 第34-41页 |
| 4.4.1 CTR指标结果 | 第35-38页 |
| 4.4.2 Coverage和Gini指标结果 | 第38-40页 |
| 4.4.3 预测准确度 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 DNN推荐策略优化 | 第42-50页 |
| 5.1 问题引出 | 第42-43页 |
| 5.2 DNN算法推荐策略优化 | 第43-46页 |
| 5.2.1 用户行为数据扩充 | 第43-44页 |
| 5.2.2 用户向量精细化 | 第44-46页 |
| 5.3 试验过程与结果分析 | 第46-49页 |
| 5.3.1 试验过程 | 第46-47页 |
| 5.3.2 试验结果分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-53页 |
| 6.1 本文总结 | 第50-51页 |
| 6.2 展望及今后的工作 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间的研究成果 | 第59页 |