隨著電視技術與互聯(lián)網(wǎng)的高速發(fā)展,傳統(tǒng)的單向接受信號的電視發(fā)生了巨大改變,人們現(xiàn)在可以在家中通過智能電視或者安裝雙向機頂盒來獲取海量的電視節(jié)目,與此同時電視服務商也能夠?qū)崟r、準確的獲取到電視用戶所有操作數(shù)據(jù)。為了給電視用戶推薦更符合用戶口味的電視節(jié)目和更契合用戶需求的廣告,通過分析用戶的收視行為數(shù)據(jù)構(gòu)建準確的用戶畫像就顯得至關重要。傳統(tǒng)的電視用戶畫像方法一般先從電子節(jié)目表單系統(tǒng)（EPG）獲得節(jié)目的標簽,然后通過分析用戶與電視節(jié)目的關系從而得到用戶畫像標簽,但是由于EPG標簽主觀性太強、最后得到的標簽覆蓋面窄等原因而具有一定的局限性。本文針對如何使用公共微博數(shù)據(jù)提升電視用戶畫像的準確率進行了研究,其核心在于本文將處于不同平臺的微博用戶與電視用戶相關聯(lián),使用準確的微博數(shù)據(jù)完成電視用戶畫像預測。具體工作內(nèi)容包括:1)介紹了電視用戶畫像的背景與意義,研究并確認微博用戶含有對電視節(jié)目關注的行為并且擁有準確的用戶畫像信息;2)設計了高效網(wǎng)絡爬蟲以獲取微博數(shù)據(jù),并使用分詞算法、配置詞典、TF-IDF從博文中挖掘出了微博用戶關注電視節(jié)目的特征;3)對大量電視用戶收視數(shù)據(jù)進行清洗,得到電視用戶關注電視節(jié)目... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景與意義
        1.1.1 電視用戶畫像的背景與意義
        1.1.2 使用公共微博數(shù)據(jù)的背景與意義
    1.2 課題研究現(xiàn)狀
        1.2.1 微博的研究現(xiàn)狀
        1.2.2 電視用戶畫像的研究現(xiàn)狀
    1.3論文的研究內(nèi)容
    1.4 論文的創(chuàng)新點
    1.5 論文的組織結(jié)構(gòu)
第二章 相關技術
    2.1 微博數(shù)據(jù)抓取和清洗技術
        2.1.1 基于selenium的網(wǎng)絡爬蟲
        2.1.2 TF-IDF方法
    2.2 構(gòu)建模型所需的分類算法
        2.2.1 決策樹
        2.2.2 梯度提升決策樹(Gradient Boosting Decision Tree)
第三章 收視數(shù)據(jù)與微博數(shù)據(jù)處理
    3.1 電視用戶收視數(shù)據(jù)清洗
    3.2 微博爬蟲實現(xiàn)
        3.2.1 多賬號登錄
        3.2.2 關鍵詞搜索
        3.2.3 解析頁面
    3.3 微博數(shù)據(jù)的清洗
第四章 電視用戶畫像研究
    4.1 電視用戶畫像標簽的定義
    4.2 利用微博數(shù)據(jù)構(gòu)建訓練模型
        4.2.1 多標簽分類問題
        4.2.2 基于微博數(shù)據(jù)的標簽模型的構(gòu)建
            4.2.2.1 性別標簽模型構(gòu)造
            4.2.2.2 年齡標簽模型構(gòu)造
            4.2.2.3 興趣偏好標簽模型構(gòu)造
        4.2.3 使用xgboost構(gòu)造模型
        4.2.4 實驗證明標簽與電視節(jié)目的相關性
    4.3 使用微博用戶數(shù)據(jù)模型預測電視用戶的用戶畫像
第五章 電視用戶畫像實驗
    5.1 實驗數(shù)據(jù)
    5.2 傳統(tǒng)的基于EPG和TF-IDF的電視用戶畫像方法
    5.3 用戶畫像準確性評估方法
        5.3.1 Fepg評估方法
        5.3.2 Fweibo評估方法
        5.3.3 推薦成功率評估標準
    5.4 實驗結(jié)果分析
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
攻讀學位期間取得的研究成果


【參考文獻】：
期刊論文
[1]個性化推薦系統(tǒng)綜述[J]. 劉輝,郭夢夢,潘偉強.  常州大學學報(自然科學版). 2017(03)
[2]微博用戶的相似性度量及其應用[J]. 徐志明,李棟,劉挺,李生,王剛,袁樹侖.  計算機學報. 2014(01)
[3]社交媒體+APP:傳統(tǒng)電視開啟電視互動新時代[J]. 張守信.  南方電視學刊. 2013(05)
[4]面向用戶觀點分析的多分類器集成和優(yōu)化技術[J]. 林煜明,朱濤,王曉玲,周傲英.  計算機學報. 2013(08)
[5]基于Selenium的軟件自動化測試的研究與應用[J]. 吳伶琳.  計算機與現(xiàn)代化. 2013(02)
[6]推薦系統(tǒng)評價指標綜述[J]. 朱郁筱,呂琳媛.  電子科技大學學報. 2012(02)
[7]一種結(jié)合詞項語義信息和TF-IDF方法的文本相似度量方法[J]. 黃承慧,印鑒,侯昉.  計算機學報. 2011(05)
[8]基于決策樹的電視節(jié)目收視率預測模型[J]. 涂娟娟,劉同明.  微計算機信息. 2007(27)

碩士論文
[1]基于用戶興趣的微博個性化信息推薦研究[D]. 林文旋.華南理工大學 2014



本文編號：3193506