互聯(lián)網(wǎng)技術(shù)的快速發(fā)展為傳統(tǒng)廣播電視媒介帶來了新的機(jī)遇和挑戰(zhàn)。文章在這一背景下采用了基于內(nèi)容的協(xié)同過濾算法,對電視產(chǎn)品的文本信息分別進(jìn)行jieba分詞、建立了TOPSIS評價(jià)模型和余弦相似度模型,求出了爬蟲的信息矩陣與每位用戶觀看節(jié)目的綜合評價(jià)值之間的相似度;然后采用了基于用戶的協(xié)同過濾算法,以電影產(chǎn)品為例,采用Python軟件將55個(gè)電影產(chǎn)品的標(biāo)簽與爬蟲得到的電影數(shù)據(jù)的標(biāo)簽進(jìn)行連接,計(jì)算55個(gè)銷售產(chǎn)品的標(biāo)簽,與用戶的標(biāo)簽的相似度,為用戶做出推薦,促進(jìn)電視媒體營銷的發(fā)展。 

【文章來源】：生產(chǎn)力研究. 2020,(03)

【文章頁數(shù)】：4 頁

【文章目錄】：
一、引言
二、基于內(nèi)容（CB）的推薦模型的建立與求解
    （一）算法的理論介紹
    （二）基于jieba分詞的文本特征抽取
        1. jieba分詞。
        2. 概率語言模型的分詞方法。
        3. 計(jì)算分詞詞頻。
    （三）基于內(nèi)容推薦的文本向量模型
        1. 建立向量表示的語料庫。
        2. TF-IDF分詞權(quán)重模型。
    （四）基于奇異值分解（SVD）的降維模型
    （五）TOPSIS評價(jià)模型
    （六）基于余弦相似法的相似度模型
    （七）均方根誤差（RMSE）檢驗(yàn)
    （八）基于內(nèi)容的推薦模型的求解
三、基于用戶的協(xié)同過濾推薦算法
    （一）算法的具體實(shí)現(xiàn)步驟
        1. 尋找用戶間的相似度。
        2. 推薦物品。
        3. 數(shù)據(jù)連接。
        4. 相似性分析及RMSE檢驗(yàn)。
    （二）結(jié)果與營銷對策
四、結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于加權(quán)Topsis法綜合評價(jià)典型灘涂圍墾區(qū)土壤質(zhì)量演變[J]. 孫蓓婷,高超,張燕.  中國生態(tài)農(nóng)業(yè)學(xué)報(bào). 2018(02)
[2]基于改進(jìn)協(xié)同過濾算法的個(gè)性化新聞推薦技術(shù)[J]. 黃賢英,熊李媛,李沁東.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[3]基于Apriori改進(jìn)算法的旅游個(gè)性化推薦[J]. 徐宏,陳焰,支艷利,張金鵬.  微型電腦應(yīng)用. 2018(01)
[4]融合語義相似度與矩陣分解的評分預(yù)測算法[J]. 王陽,鐘勇,李振東,楊觀賜.  計(jì)算機(jī)應(yīng)用. 2017(S1)
[5]采用小波包樹能量矩陣奇異值分解的局部放電模式識(shí)別[J]. 趙煦,劉曉航,孟永鵬,劉圣冠,柴琦,兀鵬越,孟國棟.  西安交通大學(xué)學(xué)報(bào). 2017(08)
[6]基于熵權(quán)法與改進(jìn)的PCA聚類算法的電力客戶價(jià)值分類與應(yīng)用[J]. 皇甫漢聰,肖招娣,余永忠.  現(xiàn)代電子技術(shù). 2017(07)
[7]網(wǎng)絡(luò)搜索指數(shù)與汽車銷量關(guān)系研究——基于文本挖掘的關(guān)鍵詞獲取[J]. 李憶,文瑞,楊立成.  現(xiàn)代情報(bào). 2016(08)
[8]警務(wù)應(yīng)用中基于雙向最大匹配法的中文分詞算法實(shí)現(xiàn)[J]. 陶偉.  電子技術(shù)與軟件工程. 2016(04)

碩士論文
[1]面向電視節(jié)目推薦的用戶收視和微博發(fā)帖行為建模分析[D]. 陳唯源.上海交通大學(xué) 2014
[2]基于語義領(lǐng)域向量空間模型的文本相似度計(jì)算[D]. 唐果.云南大學(xué) 2013



本文編號(hào)：3241237