基于用户社交网络的视频推荐算法研究与应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 第一节 研究背景 | 第10-11页 |
| 第二节 研究意义 | 第11-12页 |
| 第三节 国内外研究现状 | 第12-15页 |
| 第四节 论文研究内容 | 第15-16页 |
| 第五节 论文组织结构 | 第16-17页 |
| 第二章 推荐系统及常用算法研究概述 | 第17-34页 |
| 第一节 推荐系统概述 | 第17-22页 |
| 一、推荐系统定义 | 第17-18页 |
| 二、推荐系统功能 | 第18-20页 |
| 三、推荐系统面临的挑战 | 第20-22页 |
| 第二节 常用推荐算法概述 | 第22-32页 |
| 一、协同过滤方法 | 第22-28页 |
| 二、基于内容特征方法 | 第28-29页 |
| 三、关联规则方法 | 第29-30页 |
| 四、对数似然比方法 | 第30-31页 |
| 五、混合推荐方法 | 第31-32页 |
| 第三节 推荐系统的发展方向 | 第32-33页 |
| 一、基于标签的推荐系统 | 第32页 |
| 二、基于上下文的推荐系统 | 第32-33页 |
| 三、基于社交网络的推荐系统 | 第33页 |
| 第四节 本章小结 | 第33-34页 |
| 第三章 基于社交网络的推荐算法研究概述 | 第34-38页 |
| 第一节 基于社交网络的推荐算法 | 第34-35页 |
| 第二节 基于邻域的社会化推荐算法 | 第35-36页 |
| 第三节 改进的基于邻域的社会化推荐算法 | 第36-37页 |
| 第四节 本章小结 | 第37-38页 |
| 第四章 推荐算法实验设计与分析 | 第38-63页 |
| 第一节 实验数据与环境搭建 | 第38-41页 |
| 一、实验数据集 | 第38-41页 |
| 二、实验环境 | 第41页 |
| 第二节 检验评估方法 | 第41-42页 |
| 第三节 对比各种推荐算法的性能 | 第42-62页 |
| 一、常用的推荐算法调优 | 第43-59页 |
| 二、改进推荐算法调优 | 第59-60页 |
| 三、推荐算法综合比较 | 第60-62页 |
| 第四节 本章小结 | 第62-63页 |
| 第五章 视频推荐系统的设计与实现 | 第63-73页 |
| 第一节 推荐系统设计与实现工具 | 第63-64页 |
| 一、Sqlite3数据库 | 第63页 |
| 二、Django2.0 Web框架 | 第63-64页 |
| 三、Bootstrap3页面渲染 | 第64页 |
| 第二节 视频推荐系统功能实现 | 第64-71页 |
| 一、用户注册、登录、注销功能 | 第65-66页 |
| 二、番剧检索功能 | 第66-67页 |
| 三、番剧评分功能 | 第67-68页 |
| 四、番剧推荐功能 | 第68-69页 |
| 五、后台管理功能 | 第69-71页 |
| 第三节 视频推荐系统在线评估 | 第71-72页 |
| 第四节 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 第一节 总结 | 第73页 |
| 第二节 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 在读期间发表的研究成果 | 第81-82页 |
