與傳統(tǒng)推薦系統(tǒng)業(yè)務(wù)場景相比,交互式網(wǎng)絡(luò)電視（IPTV）推薦場景下用戶多為包含復(fù)數(shù)成員的家庭組用戶,用戶行為數(shù)據(jù)具有較強復(fù)合性,傳統(tǒng)推薦算法無法從其中提取出各家庭成員的興趣偏好信息,難以精確滿足每一位成員的推薦需求。針對該問題,現(xiàn)有研究工作大多從時間信息著手,采用聚類方法建立時間段與家庭成員的對應(yīng)關(guān)系,挖掘家庭成員的興趣偏好信息,最終采取合并策略對各成員的推薦結(jié)果進行整合得出推薦列表。本文以提升推薦算法在IPTV家庭組用戶場景下的準(zhǔn)確度為目標(biāo),提出一種新的問題解決思路。各家庭成員由于性別、年齡和作息等原因有著各自傾向的觀影時段和興趣偏好,在短時間內(nèi)不會輕易發(fā)生改變。因此相比單成員用戶,家庭組用戶基于時間的興趣函數(shù)趨于周期函數(shù),并由于觀看成員切換的原因在周期內(nèi)其興趣波動幅度較大�；谏鲜霈F(xiàn)象,本文將家庭組用戶視為興趣偏好以天為周期變化且在周期內(nèi)興趣波動幅度較大的單成員用戶,捕捉用戶興趣在一天內(nèi)隨家庭成員切換而變化的細(xì)粒度時間效應(yīng),最終為家庭組用戶提供隨時間變化的推薦列表,時刻滿足各家庭成員的推薦需求。研究過程主要完成了以下工作:1)提取家庭組用戶在周期內(nèi)各個時段的隱性特征向量。對家庭組用戶... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

廣播電視與在線視頻市場規(guī)模對比圖

電子科技大學(xué)碩士學(xué)位論文2的視頻下載速度和更低的觀看時延，短視頻行業(yè)的生存土壤將更為肥沃�？梢灶A(yù)見在不遠(yuǎn)的將來，會有更多的用戶在廣播電視與短視頻中選擇后者，廣播電視行業(yè)的市場份額與生存空間也將進一步被壓縮。圖1-22016-2020年中國短視頻行業(yè)市場規(guī)模及預(yù)測圖與在線視頻行業(yè)相比，廣播電視行業(yè)現(xiàn)如今已很難滿足大部分用戶的需求，其劣勢可歸納為以下兩點：1)在媒體載體方面，電視相比筆記本電腦和手機等移動端設(shè)備在便攜性上有著先天性劣勢。當(dāng)今時代大部分人由于工作的原因，可以自由支配的時間呈“碎片化”狀態(tài)，有著不連續(xù)和持續(xù)短的特點，因此載體的便攜性將直接影響到媒體的曝光度。2)廣播電視普遍缺乏面向用戶的便利的信息篩選方式。隨著“大數(shù)據(jù)”時代的到來，信息數(shù)據(jù)呈指數(shù)增長，在這種環(huán)境下用戶對于快速方便的信息篩選和過濾方式有著極高的依賴性。在美國，搜索引擎廣告于2016年市值就已達到250億美元，是數(shù)字廣告行業(yè)的主流。而在國內(nèi)，今日頭條、抖音等應(yīng)用軟件的火爆程度足以說明優(yōu)秀的個性化推薦系統(tǒng)對一款成功產(chǎn)品的重要性。上述兩點劣勢正是如今廣播電視行業(yè)處于增長動能衰減狀態(tài)的主要原因。廣播電視在便攜性方面大幅落后于當(dāng)今的移動端設(shè)備，并且廣播電視行業(yè)也沒有針

第二章相關(guān)研究工作113)屬性匹配步驟。該步驟根據(jù)用戶興趣愛好信息以及物品特征屬性進行匹配工作完成推薦，工作內(nèi)容主要為相容度計算，包括根據(jù)物品特征計算物品間的相似度、根據(jù)用戶興趣模型計算用戶和物品的匹配度。最終將用戶潛在感興趣的Top-K物品集合作為推薦列表返回給用戶完成推薦。圖2-1基于內(nèi)容的推薦方法過程2.2.2基于向量空間模型的內(nèi)容分析在基于內(nèi)容的推薦方法中，最為常見的分析物品內(nèi)容并提取關(guān)鍵詞特征向量的模型為基于TF-IDF權(quán)重的向量空間模型。在該模型中，每個物品均會獲得一個基于關(guān)鍵詞的詞頻-逆文檔頻率（TF-IDF）的特征向量，該向量是計算物品相似度和用戶興趣建模的主要憑據(jù)。VSM模型將物品內(nèi)容集合表示為D={d1,d2,…,dN}，dn代表物品的內(nèi)容信息（通常為簡介）。關(guān)鍵詞詞典表示為W={w1,w2,…,wN}，使用自然語言處理技術(shù)從內(nèi)容庫中提取得來。最終基于TF-IDF算法計算每一關(guān)鍵詞占物品內(nèi)容的權(quán)重值，形成物品的特征向量Vi={ω1i,ω2i,…,ωni}，向量中數(shù)據(jù)代表關(guān)鍵詞對于該物品內(nèi)容的權(quán)重。TF-IDF計算公式如下式2-1所示：

【參考文獻】：
期刊論文
[1]互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]. 許海玲,吳瀟,李曉東,閻保平.  軟件學(xué)報. 2009(02)

碩士論文
[1]基于情境感知的廣播電視群組推薦方法研究[D]. 陳建.中國科學(xué)技術(shù)大學(xué) 2017
[2]面向家庭用戶的互聯(lián)網(wǎng)電視資源推薦模型研究[D]. 喻玲.華中師范大學(xué) 2015
[3]基于協(xié)同過濾與劃分聚類的推薦算法研究[D]. 張亮.吉林大學(xué) 2014
[4]基于IPTV的虛擬群組推薦研究[D]. 范娜.華東師范大學(xué) 2013
[5]面向互動電視的影視節(jié)目推薦系統(tǒng)研究與實現(xiàn)[D]. 沈建軍.復(fù)旦大學(xué) 2012
[6]面向網(wǎng)絡(luò)電視的推薦系統(tǒng)框架及算法研究[D]. 肖潔.華東師范大學(xué) 2012



本文編號：3063106