隨著互聯(lián)網(wǎng)技術(shù)的應(yīng)用和普及,視頻網(wǎng)站中信息過載、用戶偏好漂移等問題日益嚴(yán)重,因此有效捕捉用戶偏好漂移信息是視頻推薦算法中非常關(guān)鍵的一步,也是影響視頻推薦結(jié)果精確性的一個重要因素。論文在現(xiàn)有視頻推薦算法的基礎(chǔ)之上,引入前景理論,落腳點在用戶的信任關(guān)系,旨在提高視頻推薦系統(tǒng)的新穎性和準(zhǔn)確性。首先依據(jù)視頻用戶的歷史評分分布信息建立價值函數(shù),其次建立決策權(quán)重函數(shù)模型,最后得出用戶的綜合前景效用值,充分考慮了用戶主觀的興趣偏好,即提高了用戶的興趣度和忠誠度,也優(yōu)化了視頻推薦算法的算法框架。此外在大多數(shù)視頻推薦算法中,多數(shù)學(xué)者偏向于通過研究用戶對視頻的最終評分作為計算用戶相似度及預(yù)測目標(biāo)用戶偏好的重要依據(jù),忽略了用戶本體領(lǐng)域存在的信任關(guān)系,導(dǎo)致用戶的興趣偏好及價值傾向區(qū)分度不夠,進(jìn)而使推薦結(jié)果不夠精確。因此論文基于用戶的前景相似度建立信任關(guān)系模型,基于用戶的綜合前景效用值,計算其相似度是先要條件,再采用決策樹剪枝法得到用戶興趣背景的相似度、然后構(gòu)建用戶的推薦影響函數(shù)及用戶的評價趨勢函數(shù),最后分析整理可得用戶的信任關(guān)系模型,即可計算出用戶之間的信任關(guān)系等級,依據(jù)評分可完成最終推薦。實驗分析表明,引入... 

【文章來源】：河南財經(jīng)政法大學(xué)河南省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

協(xié)同過濾推薦中兩種方法對比圖

值得慶幸的是，搜索引擎是解決信息過載問題的代表方法，用戶可以通過關(guān)鍵字搜索找到他們需要的信息，但是搜索引擎要求用戶提供十分精確的關(guān)鍵詞，因此許多時候大多數(shù)搜索引擎并不能很好的解決用戶的問題。也就是說，當(dāng)用戶不能精確提供搜索信息的關(guān)鍵詞時，搜索引擎提供的信息并沒有滿足用戶的需求[51]。在基于內(nèi)容的視頻推薦算法中，用評分標(biāo)記的視頻信息被用作訓(xùn)練數(shù)據(jù)集，以創(chuàng)建特定于用戶的分類或回歸建模問題。對于每個用戶而言，訓(xùn)練數(shù)據(jù)集都對應(yīng)于對其購買或評分的視頻的信息。這些訓(xùn)練數(shù)據(jù)信息用于創(chuàng)建分類或回歸模型，該模型更適應(yīng)于活躍的用戶[52]。主要用于預(yù)測相應(yīng)的用戶個體是否會喜歡其評分或觀看行為未知的視頻。

河南財經(jīng)政法大學(xué)碩士學(xué)位論文23用{}nuuuuU321,,=表示社交網(wǎng)絡(luò)中用戶的集合，如在視頻推薦中，則表示視頻播放網(wǎng)站中用戶數(shù)量的集合，n表示用戶的總量，那么用戶u1對用戶u2的信任關(guān)系就可描述為12→t，它表示的是用戶u1對用戶u2的單向的信任程度，在這里需要注釋的是12→t21→≠t，12→t越大則表示與用戶u1對用戶u2越信任，信任程度越高，且≤≤10→jit，當(dāng)12→t=0時表示用戶u1對用戶u2完全不信任，當(dāng)12→t=1是，則表示用戶u1對用戶u2絕對信任，例如在下圖表示社交網(wǎng)絡(luò)中一組用戶的信任關(guān)系網(wǎng)絡(luò)，可以看到共有6個用戶和多條信任關(guān)系路徑，且每條路徑上的信任關(guān)系是不同的，用戶u1對用戶u3的信任度是相等的，13→t31=→t=0.5，所以用戶u1對用戶u3是相互信任且信任程度一樣，但是從圖中可以看到用戶u2和用戶u4的信任度不一樣，42→t=0.3，而24→t=0.9，說明用戶u4對用戶u2非常信任，而用戶u2對用戶u4的信任度相對來說就不高[58]。因此信任關(guān)系矩陣是非對稱的，社交網(wǎng)絡(luò)中或視頻播放網(wǎng)站中的用戶之間的信任關(guān)系是有向的。圖2-3用戶信任關(guān)系網(wǎng)絡(luò)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)位置社交的近鄰知識推薦算法[J]. 李月,王槐彬.  計算機(jī)與數(shù)字工程. 2020(01)
[2]基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法[J]. 李一野,鄧浩江.  計算機(jī)與現(xiàn)代化. 2020(01)
[3]一種結(jié)合專家信任的POI推薦算法[J]. 桂易琪,田星晨.  計算機(jī)與現(xiàn)代化. 2019(12)
[4]互聯(lián)網(wǎng)金融理財產(chǎn)品混合智能推薦策略的研究[J]. 項慨,朱倩倩,張帥,徐玲,賀靖文,張崟瀅.  湖北經(jīng)濟(jì)學(xué)院學(xué)報(人文社會科學(xué)版). 2019(11)
[5]基于知識圖譜的學(xué)位論文送審專家推薦方法[J]. 王澤,林廣艷,譚火彬,張鑠,孟烈.  山西大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[6]基于Vanilla算法的網(wǎng)絡(luò)視頻推薦策略研究[J]. 張新祥,李天鵬,孟鵬洋,賈明澤,葛敬云.  數(shù)學(xué)的實踐與認(rèn)識. 2019(21)
[7]基于中醫(yī)藥知識圖譜的智能問答與用藥推薦系統(tǒng)[J]. 鄭懿鳴,翟潔,胡曉龍,施軼劼,劉浩.  電子技術(shù)與軟件工程. 2019(20)
[8]融合用戶隱含偏好的社會化推薦算法[J]. 楊鵬,邵堃,霍星,張陽洋,景永俊.  小型微型計算機(jī)系統(tǒng). 2019(10)
[9]基于知識圖譜的興趣點推薦算法[J]. 周翔宇,高仲合.  電子技術(shù)與軟件工程. 2019(19)
[10]基于知識圖譜的個性化習(xí)題推薦系統(tǒng)設(shè)計研究[J]. 王冬青,殷紅巖.  中國教育信息化. 2019(17)

碩士論文
[1]基于標(biāo)簽和信任關(guān)系的協(xié)同過濾算法研究[D]. 魏甜甜.西北大學(xué) 2019
[2]基于改進(jìn)的協(xié)同過濾短視頻個性化推薦系統(tǒng)分析與實現(xiàn)[D]. 張晶.江西農(nóng)業(yè)大學(xué) 2019
[3]基于Spark的視頻推薦系統(tǒng)研究與實現(xiàn)[D]. 陶健.重慶師范大學(xué) 2019
[4]融合社交關(guān)系的人像短視頻推薦系統(tǒng)的研究與實現(xiàn)[D]. 鄔桐.遼寧大學(xué) 2019
[5]基于電影評級的混合推薦算法研究[D]. 李曉越.吉林大學(xué) 2019
[6]基于內(nèi)容分發(fā)平臺的短視頻產(chǎn)品推薦算法研究與實現(xiàn)[D]. 李靖怡.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[7]基于Hadoop的新聞推薦系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 王均賢.天津理工大學(xué) 2017
[8]基于社交群的視頻推薦算法的研究與實現(xiàn)[D]. 楊春雨.北京郵電大學(xué) 2017
[9]基于累積前景理論的高鐵客運票價雙層規(guī)劃模型[D]. 楊幸.北京交通大學(xué) 2016
[10]基于可視化知識框架的視頻推薦系統(tǒng)研究與實現(xiàn)[D]. 戴思.中南大學(xué) 2014



本文編號：3518463