在這個(gè)信息過載的年代,傳統(tǒng)廣播電視平臺(tái)推薦算法的提出能夠很大程度解決用戶節(jié)目?jī)?yōu)選的問題。與傳統(tǒng)的電視推薦算法相比,現(xiàn)有電視節(jié)目推薦算法都是針對(duì)用戶的歷史收看記錄,但僅僅依靠歷史記錄并不能完全滿足用戶推薦需求。根據(jù)用戶的即時(shí)選擇實(shí)時(shí)地更新用戶偏好屬性是有必要的�，F(xiàn)有的電視推薦算法的都是將家庭用戶收視默認(rèn)為是個(gè)人用戶的收視行為,根據(jù)日常家庭中的電視使用習(xí)慣,電視的收視記錄不僅僅針對(duì)個(gè)人用戶,還有家庭型用戶,現(xiàn)在的電視推薦問題的研究幾乎沒有考慮多用戶收視情況的推薦問題。因此,本文針對(duì)廣播電視用戶的隱性收視行為進(jìn)行推薦問題的研究,具體研究?jī)?nèi)容如下。首先,針對(duì)電視節(jié)目的推薦過程中用戶偏好不能顯性獲取的問題,本文提出一種基于用戶隱性收視數(shù)據(jù)的用戶偏好的建模方法。該方法將用戶的觀看時(shí)長(zhǎng)和節(jié)目標(biāo)簽屬性結(jié)合,構(gòu)建用戶對(duì)電視屬性標(biāo)簽的偏好程度,建立長(zhǎng)時(shí)間段內(nèi)用戶標(biāo)簽庫(kù)向量�？紤]到用戶偏好的可變性,本文設(shè)計(jì)了實(shí)時(shí)推薦反饋規(guī)則,根據(jù)該原則實(shí)時(shí)推薦時(shí),利用用戶選擇的節(jié)目的排序位置與基線的差,求得反饋系數(shù),從而更新用戶偏好的標(biāo)簽庫(kù)。由以上幾點(diǎn)優(yōu)化改進(jìn),構(gòu)成基于隱性用戶數(shù)據(jù)的標(biāo)簽推薦算法。其次,針對(duì)面對(duì)興趣多樣的家... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

推薦系統(tǒng)提供給用戶的推薦列表

燕山大學(xué)工程碩士學(xué)位論文本文將選取三種指標(biāo)作為基線，列表長(zhǎng)度 L、列表長(zhǎng)度的平均值、L/2 列表的第一位。該規(guī)則的公式如式(3-6)所示。= 1pos linepos line L, L/2,1(3-6式(3-6)中，pos 表示的是用戶選定節(jié)目的位置，如圖 3-4 中圓圈的位置，line 表示的是基線的位置，如圖 3-4 中三角的位置。 表示的是根據(jù)選定節(jié)目位置和基線距離求得出的增強(qiáng)參數(shù)。該參數(shù)根據(jù)距離大小度量，距離越大，參數(shù)的值越高，距離越小，參數(shù)的值越小。參數(shù)的作用是用來更新標(biāo)簽的權(quán)值。

圖 3-6 三種算法準(zhǔn)確率對(duì)比實(shí)驗(yàn)結(jié)果圖 3-7 是將反饋原則作對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)中取 20 個(gè)人的收視記錄用來進(jìn)行標(biāo)簽。圖中對(duì)比了基線取值的不同對(duì)實(shí)驗(yàn)結(jié)果的影響。其中 2,7,11 的準(zhǔn)確率為 0，原該用戶這 4 天沒有收視行為。原始項(xiàng)指的是不使用反饋原則，用于與不同基線反饋原則標(biāo)簽推薦算法作對(duì)比�？梢钥闯龌�取 L 時(shí)，用戶的準(zhǔn)確率與原始情準(zhǔn)確率相比，都是保持相等或提高。在一定程度上提高了推薦的效果。但是序號(hào)、16、17 的用戶，這兩個(gè)基線的準(zhǔn)確率出現(xiàn)了下降的情況，原因是 L/2、1 作為時(shí)，根據(jù)度量距離計(jì)算的提升參數(shù)幅度增大，從而導(dǎo)致標(biāo)簽權(quán)重提升的幅度增大基線值為 L 作為基線時(shí)，提升結(jié)果相對(duì)穩(wěn)定。00.10.20.30.45 10 15 20 25確率準(zhǔn)列表長(zhǎng)度L

【參考文獻(xiàn)】：
期刊論文
[1]基于復(fù)雜屬性商品的混合協(xié)同過濾推薦模型[J]. 周蘭鳳,麻雙克,付正,張晴.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]基于語義和用戶偏好的網(wǎng)絡(luò)電視直播推薦方法[J]. 張翔,袁政,蔣旦,朱明.  微電子學(xué)與計(jì)算機(jī). 2016(12)
[3]個(gè)性化推薦中的隱語義模型[J]. 王升升,趙海燕,陳慶奎,曹健.  小型微型計(jì)算機(jī)系統(tǒng). 2016(05)
[4]基于SVD矩陣分解技術(shù)和RkNN算法的協(xié)同過濾推薦算法[J]. 劉洋.  湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2015(01)
[5]基于混合模型推薦算法的優(yōu)化[J]. 李鵬飛,吳為民.  計(jì)算機(jī)科學(xué). 2014(02)
[6]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)



本文編號(hào)：3468165