基于隐语义模型的网络视频推荐系统研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 国内外研究现状 | 第9-11页 |
| 1.2.2 现有研究存在的问题 | 第11-12页 |
| 1.3 本文研究内容和组织结构 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 个性化推荐系统介绍 | 第14-26页 |
| 2.1 个性化推荐系统的评判标准 | 第14-16页 |
| 2.2 个性化推荐系统的分类 | 第16-23页 |
| 2.2.1 基于内容的推荐算法 | 第17-19页 |
| 2.2.2 基于协同过滤的推荐算法 | 第19-23页 |
| 2.2.3 其他推荐算法 | 第23页 |
| 2.3 个性化推荐系统目前存在的问题 | 第23-25页 |
| 2.3.1 冷启动问题 | 第23-24页 |
| 2.3.2 数据稀疏问题 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 网络视频评论文本分析技术 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 评论文本情感分析 | 第26-30页 |
| 3.2.1 情感评分词典 | 第27-29页 |
| 3.2.2 改进后的词袋模型 | 第29-30页 |
| 3.3 网络视频标签提取 | 第30-33页 |
| 3.3.1 基于标签的个性化推荐系统 | 第30-31页 |
| 3.3.2 评论文本标签提取 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 网络视频推荐算法VRFCL | 第34-42页 |
| 4.1 引言 | 第34-35页 |
| 4.2 VRFCL推荐算法详述 | 第35-40页 |
| 4.2.1 数学模型 | 第35-37页 |
| 4.2.2 VRFCL算法的训练过程 | 第37-40页 |
| 4.3 推荐过程 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 实验评估与分析 | 第42-50页 |
| 5.1 实验数据集 | 第42-43页 |
| 5.2 实验评估标准 | 第43-45页 |
| 5.2.1 统计精度评价标准 | 第43-44页 |
| 5.2.2 排序精度评价标准 | 第44-45页 |
| 5.3 VRFCL推荐算法参数优化 | 第45-46页 |
| 5.4 推荐算法实验结果对比 | 第46-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 结束语 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 作者攻读硕士期间的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |
