基于图模型的视频推荐算法研究及实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 推荐算法概述 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 传统推荐算法概述 | 第17-20页 |
| 2.2.1 基于注册信息的推荐方法 | 第17-18页 |
| 2.2.2 基于内容的推荐方法 | 第18页 |
| 2.2.3 基于邻域的协同过滤 | 第18-20页 |
| 2.2.4 隐语义模型 | 第20页 |
| 2.3 基于图的推荐算法 | 第20-24页 |
| 2.3.1 基于随机游走的推荐算法 | 第21-22页 |
| 2.3.2 基于随机游走的改进算法 | 第22-24页 |
| 2.4 考虑时间因素的推荐算法 | 第24-25页 |
| 2.5 推荐性能的评测指标 | 第25-26页 |
| 2.5.1 准确度 | 第25-26页 |
| 2.5.2 覆盖率 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于关注关系和多用户行为的图推荐方法 | 第27-44页 |
| 3.1 引言 | 第27页 |
| 3.2 算法思想 | 第27-28页 |
| 3.3 算法设计 | 第28-36页 |
| 3.3.1 用户多行为的建图方法 | 第29-31页 |
| 3.3.2 用户关注关系网络的建立及信息传播 | 第31页 |
| 3.3.3 AttentionRank推荐算法 | 第31-34页 |
| 3.3.4 有效关注关系的提取 | 第34-36页 |
| 3.4 实验设计及结果分析 | 第36-43页 |
| 3.4.1 数据集介绍 | 第36页 |
| 3.4.2 评价指标 | 第36页 |
| 3.4.3 贝叶斯提前训练过程 | 第36-38页 |
| 3.4.4 Hammock宽度的变化实验 | 第38-40页 |
| 3.4.5 结合因子 ? 的变化实验 | 第40-41页 |
| 3.4.6 最佳参数设置下的性能 | 第41-42页 |
| 3.4.7 Epinions数据集上的推荐性能 | 第42-43页 |
| 3.5 本章总结 | 第43-44页 |
| 第四章 基于随机游走与时间衰减模型的联合推荐方法 | 第44-59页 |
| 4.1 引言 | 第44-45页 |
| 4.2 算法思想 | 第45-46页 |
| 4.3 算法设计 | 第46-52页 |
| 4.3.1 联合推荐信息图的构建 | 第47-49页 |
| 4.3.2 时间遗忘因子 | 第49页 |
| 4.3.3 时间衰减模型 | 第49-51页 |
| 4.3.4 联合推荐方法 | 第51-52页 |
| 4.4 实验设计及结果分析 | 第52-58页 |
| 4.4.1 数据集介绍 | 第52-53页 |
| 4.4.2 数据集处理 | 第53页 |
| 4.4.3 实验设置 | 第53-54页 |
| 4.4.4 评测指标 | 第54页 |
| 4.4.5 时间段节点的联合推荐 | 第54-56页 |
| 4.4.6 电影类型节点的联合推荐 | 第56-57页 |
| 4.4.7 遗忘系数 ? 的变化 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 个性化视频推荐系统实现 | 第59-82页 |
| 5.1 引言 | 第59页 |
| 5.2 系统总体设计 | 第59-64页 |
| 5.2.1 系统用例分析 | 第59-61页 |
| 5.2.2 系统交互过程分析 | 第61页 |
| 5.2.3 系统架构设计 | 第61-64页 |
| 5.3 系统详细设计 | 第64-67页 |
| 5.3.1 视频资源爬取模块 | 第64-65页 |
| 5.3.2 视频搜索模块 | 第65页 |
| 5.3.3 在线播放模块 | 第65-66页 |
| 5.3.4 推荐系统模块 | 第66-67页 |
| 5.4 数据库设计 | 第67-69页 |
| 5.5 系统实现 | 第69-77页 |
| 5.5.1 系统开发框架 | 第69-70页 |
| 5.5.2 视频资源爬取功能实现 | 第70-73页 |
| 5.5.3 视频搜索功能实现 | 第73-74页 |
| 5.5.4 在线播放功能实现 | 第74-75页 |
| 5.5.5 视频推荐功能实现 | 第75-77页 |
| 5.6 系统测试 | 第77-81页 |
| 5.7 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-85页 |
| 6.1 工作总结 | 第82-83页 |
| 6.2 研究展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 攻硕期间取得的研究成果 | 第89-90页 |
