觀看網(wǎng)絡(luò)電影是人們娛樂(lè)生活中的一部分,如何為用戶提供滿足其偏好的影片是各影視網(wǎng)站的重點(diǎn)研究?jī)?nèi)容,目前應(yīng)用最廣泛的推薦算法是協(xié)同過(guò)濾算法。近幾年,隨著深度學(xué)習(xí)技術(shù)的發(fā)展,將深度學(xué)習(xí)方法應(yīng)用到推薦系統(tǒng)已成為當(dāng)前研究熱點(diǎn)之一。傳統(tǒng)協(xié)同過(guò)濾算法存在數(shù)據(jù)稀疏問(wèn)題。在目前推薦系統(tǒng)的研究中,一般采用混合推薦算法,主要的方法是將文本內(nèi)容的特征填充到協(xié)同過(guò)濾算法中,以此來(lái)緩解數(shù)據(jù)稀疏問(wèn)題。但在提取文本內(nèi)容時(shí)大多研究采用傳統(tǒng)的提取文本特征方法,只能對(duì)單個(gè)詞進(jìn)行分析計(jì)算,不能有效的結(jié)合句子中的上下文。本文提出采用深度學(xué)習(xí)模型Doc2vec來(lái)提取文本的特征,可以深度挖掘句子中的語(yǔ)義相關(guān)性。在文本內(nèi)容特征填充的過(guò)程中,文本信息不存在或者文本內(nèi)容不匹配時(shí)會(huì)影響混合推薦的準(zhǔn)確性,因此文中還提出了融合圖像、文本和評(píng)分信息的多模態(tài)推薦算法,其中圖像特征的提取采用VGG網(wǎng)絡(luò)模型。多模態(tài)電影推薦算法的實(shí)現(xiàn)是通過(guò)相似度融合算法將Doc2vec模型訓(xùn)練電影簡(jiǎn)介信息得到的電影間的相似度、VGG網(wǎng)絡(luò)模型訓(xùn)練電影海報(bào)信息得到的電影間的相似度與Item-CF算法訓(xùn)練用戶評(píng)分信息得到的電影間的相似度進(jìn)行融合,并調(diào)節(jié)不同的融合參數(shù)得到最佳... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

‘愛(ài)奇藝，電影網(wǎng)站中的推薦列表

一‘YouT’ube’視頻網(wǎng)站中的推薦視頻

圖２－２?ＣＢ算法推薦過(guò)程??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的資源個(gè)性化推薦算法及模型設(shè)計(jì)[J]. 梁婷婷,李麗琴.  智能計(jì)算機(jī)與應(yīng)用. 2018(06)
[2]基于Hadoop的維吾爾文文本分類(lèi)[J]. 艾比布拉·阿不拉,馬振,哈力旦·阿布都熱依木,吳冰冰.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(08)
[3]學(xué)習(xí)資源智能標(biāo)注系統(tǒng)的研究[J]. 周菊明,張良龍.  華夏教師. 2017(13)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的樹(shù)葉識(shí)別的算法的研究[J]. 許振雷,楊瑞,王鑫春,應(yīng)文豪.  電腦知識(shí)與技術(shù). 2016(10)
[5]基于支持向量機(jī)回歸多屬性智能電視電影推薦[J]. 趙廣杰,尹四清.  電視技術(shù). 2015(06)
[6]一種基于網(wǎng)站聚合和語(yǔ)義知識(shí)的電影推薦方法[J]. 周文樂(lè),朱明,陳天昊.  計(jì)算機(jī)工程. 2014(08)
[7]P2P環(huán)境下基于社會(huì)化標(biāo)簽的個(gè)性化推薦模型研究[J]. 趙艷,王亞民.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2014(05)
[8]論OPAC與搜索引擎的相互融合[J]. 洪林.  科技信息. 2013(22)
[9]一種有效緩解協(xié)同過(guò)濾推薦評(píng)價(jià)數(shù)據(jù)稀疏問(wèn)題的算法[J]. 黃永鋒,覃羅春.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(01)
[10]適應(yīng)用戶興趣變化的協(xié)同過(guò)濾推薦算法[J]. 邢春曉,高鳳榮,戰(zhàn)思南,周立柱.  計(jì)算機(jī)研究與發(fā)展. 2007(02)

博士論文
[1]基于協(xié)同過(guò)濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 程殿虎.中國(guó)海洋大學(xué) 2015

碩士論文
[1]基于在線評(píng)論的泛視頻推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 侯強(qiáng).大連理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的Web社區(qū)推薦算法研究與應(yīng)用[D]. 劉宇寧.西南交通大學(xué) 2018
[3]基于Spark大數(shù)據(jù)處理的協(xié)同過(guò)濾推薦系統(tǒng)研究與實(shí)現(xiàn)[D]. 王娜.蘭州大學(xué) 2017
[4]個(gè)性化推薦中協(xié)同過(guò)濾改進(jìn)算法的研究[D]. 朱毅萌.東華大學(xué) 2017
[5]針對(duì)冷啟動(dòng)的分布式協(xié)同過(guò)濾推薦系統(tǒng)的研究[D]. 張瓊林.湖南工業(yè)大學(xué) 2015
[6]基于上下文分析的多準(zhǔn)則推薦方法研究[D]. 凡蕙銘.華南理工大學(xué) 2015



本文編號(hào)：3210850