基于社交网络的个性化视频推荐方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文的主要工作 | 第16-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-21页 |
| 第2章 相关理论基础 | 第21-31页 |
| 2.1 社交网络 | 第21-22页 |
| 2.2 基于内容的推荐 | 第22-24页 |
| 2.3 基于用户的协同过滤推荐 | 第24-25页 |
| 2.4 随机森林 | 第25-26页 |
| 2.5 梯度下降 | 第26-29页 |
| 2.5.1 学习排序 | 第26-27页 |
| 2.5.2 梯度下降 | 第27-29页 |
| 2.6 评估指标 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于社交网络的个性化视频推荐模型 | 第31-39页 |
| 3.1 问题分析 | 第31-33页 |
| 3.2 个性化视频推荐模型 | 第33页 |
| 3.3 数据获取模块 | 第33-34页 |
| 3.4 特征提取模块 | 第34-36页 |
| 3.5 推荐模块 | 第36页 |
| 3.6 梯度优化推荐模块 | 第36-37页 |
| 3.7 测试模块 | 第37页 |
| 3.8 本章小结 | 第37-39页 |
| 第4章 社交网络个性化视频推荐方法 | 第39-55页 |
| 4.1 特征提取方法 | 第39-44页 |
| 4.1.1 视频信息特征 | 第39-40页 |
| 4.1.2 用户偏好特征 | 第40页 |
| 4.1.3 社交网络服务特征 | 第40-44页 |
| 4.2 视频推荐方法 | 第44-48页 |
| 4.2.1 基于用户偏好的内容推荐 | 第44-45页 |
| 4.2.2 基于用户的协同过滤推荐 | 第45-46页 |
| 4.2.3 基于社交网络服务推荐 | 第46-48页 |
| 4.3 梯度优化推荐算法 | 第48-53页 |
| 4.3.1 梯度下降确定学习排序模型参数 | 第48-51页 |
| 4.3.2 优化推荐算法 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 实验结果与分析 | 第55-67页 |
| 5.1 实验数据 | 第55-58页 |
| 5.2 实验设计 | 第58-62页 |
| 5.2.1 参数确定 | 第58-60页 |
| 5.2.2 对比方法 | 第60-62页 |
| 5.3 视频推荐结果与分析 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-71页 |
| 6.1 全文工作总结 | 第67-69页 |
| 6.2 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 硕士期间发表的论文和参与的课题 | 第79页 |
