| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目的和意义 | 第8-10页 |
| 1.3 国内外的研究现状 | 第10页 |
| 1.4 本文组织结构 | 第10-11页 |
| 1.5 本文的主要贡献 | 第11-12页 |
| 第二章 推荐系统相关算法 | 第12-21页 |
| 2.1 基于内容的推荐算法 | 第13-15页 |
| 2.1.1 基于内容的推荐算法的原理 | 第13-15页 |
| 2.1.2 基于内容的推荐算法的优缺点 | 第15页 |
| 2.2 基于协同过滤推荐算法 | 第15-18页 |
| 2.2.1 协同过滤推荐算法原理 | 第15-16页 |
| 2.2.2 基于用户的协同过滤推荐算法 | 第16-17页 |
| 2.2.3 基于项目的协同过滤推荐算法 | 第17-18页 |
| 2.3 基于隐因子模型推荐算法 | 第18-20页 |
| 2.3.1 隐因子模型的基本方法 | 第19-20页 |
| 2.4 混合推荐算法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于混合语义矩阵的视频推荐 | 第21-32页 |
| 3.1 基于word2vec的视频特征智能提取与标签向量化 | 第21-26页 |
| 3.1.1 word2vec的相关知识背景 | 第21-22页 |
| 3.1.2 word2vec的工作原理 | 第22-25页 |
| 3.1.3 word2vec视频特征智能提取及特征标签向量化 | 第25-26页 |
| 3.2 基于熵化法的混合语义矩阵 | 第26-29页 |
| 3.2.1 熵化法权重分配 | 第27-28页 |
| 3.2.2 混合语义矩阵 | 第28-29页 |
| 3.3 基于混合语义矩阵的视频推荐 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 VRS-BHSM视频推荐系统的实现与性能测试 | 第32-48页 |
| 4.1 系统需求分析与设计 | 第32-35页 |
| 4.1.1 系统需求分析 | 第32-33页 |
| 4.1.2 系统架构设计 | 第33-34页 |
| 4.1.3 系统运行流程图 | 第34-35页 |
| 4.2 系统模块设计 | 第35-36页 |
| 4.2.1 推荐引擎模块 | 第35页 |
| 4.2.2 日志系统模块 | 第35-36页 |
| 4.2.3 视频推荐结果页面渲染模块 | 第36页 |
| 4.3 视频推荐引擎设计 | 第36-38页 |
| 4.3.1 改进的基于内容的推荐算法引擎 | 第37-38页 |
| 4.4 数据模型设计 | 第38-41页 |
| 4.5 功能展示与测试 | 第41-47页 |
| 4.5.1 功能展示 | 第41-44页 |
| 4.5.2 功能测试 | 第44-45页 |
| 4.5.3 性能测试 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 5.1 工作总结 | 第48页 |
| 5.2 研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录A (攻读硕士学位期间发表的论文专利) | 第54-55页 |
| 附录B (攻读硕士学位期间参与的科研项目) | 第55页 |
