本文選題：個性化推薦　切入點：視頻推薦　出處：《華南理工大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：得益于數(shù)碼設(shè)備的發(fā)展以及幾乎無處不在的寬帶互聯(lián)網(wǎng)連接，普通用戶也可以很容易的通過手機、單反等設(shè)備記錄下各種視頻，并把它們上傳到互聯(lián)網(wǎng)。互聯(lián)網(wǎng)上的視頻內(nèi)容正以爆炸式的速度增長。這些視頻能夠為用戶提供豐富的可能感興趣的內(nèi)容。用戶可以通過觀看視頻進行免費的學(xué)習(xí)、娛樂，同時可以通過各大社交平臺將喜歡的視頻分享給朋友，增進朋友之間的感情。 龐大的視頻數(shù)量使得尋找感興趣視頻的過程變成一項艱巨的任務(wù)。搜索是解決信息過載問題的常用方法。但是，，只有當(dāng)用戶十分明確自己想要的內(nèi)容并能很好的用一些搜索關(guān)鍵詞來表達的時候，視頻搜索才能得到很好的效果。在實踐中，普通用戶很難通過一些文本來準確的表達搜索意圖。此外，傳統(tǒng)的搜索對所有用戶會返回同樣的搜索結(jié)果，無法根據(jù)用戶的喜好為用戶提供優(yōu)化過的個性化的服務(wù)。 為解決這一信息過載問題，本文提出了一種個性化視頻推薦算法。不同于傳統(tǒng)方法只利用用戶點擊數(shù)據(jù)構(gòu)成用戶與視頻之間的二分圖，并基于該圖進行推薦，我們首先結(jié)合用戶點擊和搜索信息構(gòu)建一個三分圖。在三分圖中，搜索關(guān)鍵詞頂點扮演橋梁的角色，連接用戶頂點和視頻頂點。之后，為了豐富用戶頂點與視頻頂點之間的連接，三個同類型頂點之間的子圖被添加到三分圖中。這三個子圖是基于內(nèi)容的信息（視頻標簽和文本搜索）構(gòu)建的。我們提出一種迭代式消息傳播算法，利用該圖計算每個用戶的喜好信息。并且基于計算所得的用戶喜好信息為每位用戶提供個性化的視頻推薦。 實驗數(shù)據(jù)來自一個商用的視頻搜索引擎，并包含1369個用戶，8765個搜索關(guān)鍵詞以及17712個視頻。實驗結(jié)果顯示，在給出相同推薦視頻個數(shù)的情況下，我們的算法比起TP[91]，Co-view[6]，Adsorption[2]等算法有著更高的查準率和查全率（Precision andRecall）。實驗結(jié)果證明了我們提出的方法，通過結(jié)合用戶行為信息和基于內(nèi)容的信息，能夠獲得更好的推薦效果。
[Abstract]:Thanks to the development of digital devices and the almost ubiquitous broadband Internet connection, ordinary users can easily record all kinds of videos via mobile phones, SLR and other devices. And upload them to the Internet. Video content on the Internet is exploding. These videos provide users with a wealth of potentially interesting content. Users can learn and entertain free of charge by watching videos. At the same time, you can share your favorite videos with your friends on various social platforms. The sheer number of videos makes the search for interesting videos a daunting task. Searching is a common way to solve the problem of information overload. However, Video search can only get good results when the user is very clear about what he wants and can express it well with some search keywords. It is difficult for ordinary users to express their search intention accurately through some text. In addition, traditional search will return the same search results to all users, and can not provide users with optimized personalized services according to their preferences. In order to solve the problem of information overload, a personalized video recommendation algorithm is proposed in this paper. We first build a three-point graph with user click and search information. In the three-point graph, the search keyword vertex acts as a bridge, connecting the user vertex with the video vertex. To enrich the connection between user vertices and video vertices, Three subgraphs between vertices of the same type are added to the three-point graph. The three subgraphs are constructed based on content-based information (video tag and text search). We propose an iterative message propagation algorithm. The graph is used to calculate the preferences of each user, and based on the calculated user preference information, a personalized video recommendation is provided for each user. The experimental data comes from a commercial video search engine and contains 1369 users, 8765 search keywords and 17,712 videos. Our algorithm has higher precision and recall ratio than TP [91] Co-view [6] Adsorption [2]. The experimental results show that the proposed method can obtain better recommendation effect by combining user behavior information with content-based information.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP391.3;O157.5

【共引文獻】

相關(guān)期刊論文 前10條

1 冀俊忠,沙志強,劉椿年,郎青;B2C電子商務(wù)站點中知識發(fā)現(xiàn)的研究[J];北京工業(yè)大學(xué)學(xué)報;2003年02期

2 張帆;林建;;智能搜索引擎信息過濾機制研究[J];圖書與情報;2007年04期

3 紀良浩;;協(xié)作過濾信息推薦技術(shù)研究[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2012年01期

4 何興無;;用戶興趣實例模型與K_means算法的改進[J];重慶師范大學(xué)學(xué)報(自然科學(xué)版);2006年02期

5 曹毅;羅新星;;電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究[J];湘南學(xué)院學(xué)報;2008年05期

6 朱郁筱;呂琳媛;;推薦系統(tǒng)評價指標綜述[J];電子科技大學(xué)學(xué)報;2012年02期

7 孫多;;教育網(wǎng)站個性化推薦系統(tǒng)中的一種用戶興趣模型的建立[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年21期

8 劉建國;周濤;郭強;汪秉宏;;個性化推薦系統(tǒng)評價方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

9 應(yīng)曉敏,劉明,竇文華;一種面向個性化服務(wù)的無需反例集的用戶建模方法[J];國防科技大學(xué)學(xué)報;2002年03期

10 李聰;梁昌勇;楊善林;;電子商務(wù)協(xié)同過濾稀疏性研究:一個分類視角[J];管理工程學(xué)報;2011年01期

相關(guān)會議論文 前1條

1 趙琦;駱志剛;田文穎;李聰;丁凡;;一種基于負反饋信息的用戶興趣模型修正方法[A];中國通信學(xué)會第六屆學(xué)術(shù)年會論文集（下）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 張寅;個性化技術(shù)及其在數(shù)字圖書館中應(yīng)用的研究[D];浙江大學(xué);2009年

2 靳延安;社會標簽推薦技術(shù)與方法研究[D];華中科技大學(xué);2011年

3 胡慕海;面向動態(tài)情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

4 劉毅捷;視頻社區(qū)中海量數(shù)據(jù)管理方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 劉玉國;基于內(nèi)容的互聯(lián)網(wǎng)輿情信息挖掘關(guān)鍵技術(shù)研究[D];山東大學(xué);2011年

6 馬春山;移動增值業(yè)務(wù)的個性化推薦研究[D];北京郵電大學(xué);2011年

7 夏培勇;個性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國海洋大學(xué);2011年

8 楊鵬;面向事件感知的應(yīng)急臨機決策引擎研究[D];天津大學(xué);2010年

9 胡慕海;面向動動情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

10 蒲海濤;物聯(lián)網(wǎng)環(huán)境下基于上下文感知的智能交互關(guān)鍵技術(shù)研究[D];山東科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 吳則則;支持動態(tài)演進的用戶興趣模型挖掘方法研究[D];山東科技大學(xué);2010年

2 何瑩杰;個性化圖書信息服務(wù)技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 李媛;電子商務(wù)個性化推薦關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 李春;協(xié)同過濾推薦算法的研究[D];湘潭大學(xué);2010年

5 韓璐;針對推薦系統(tǒng)中信息共享需求下隱私保護機制的研究與實現(xiàn)[D];華東師范大學(xué);2011年

6 宋健;基于主題挖掘和時間窗口劃分的興趣推薦技術(shù)研究[D];華東師范大學(xué);2011年

7 金亞亞;一種基于改進信任度的協(xié)同過濾算法[D];華東理工大學(xué);2011年

8 夏超倫;基于社會計算的電子商務(wù)協(xié)同過濾推薦算法研究[D];浙江大學(xué);2011年

9 姚璐;融合社會化標簽的協(xié)同過濾算法研究[D];浙江大學(xué);2011年

10 鄭佳佳;社交網(wǎng)絡(luò)中基于圖排序的好友推薦機制研究與實現(xiàn)[D];浙江大學(xué);2011年

本文編號：1608481