近幾年,互聯(lián)網(wǎng)伴隨著人們的廣泛使用,其所承載的數(shù)據(jù)資源以指數(shù)式的速度與日俱增,其已由初期時(shí)的信息匱乏年代逐步發(fā)展成為了信息過(guò)載年代,與之相伴的網(wǎng)絡(luò)在線影視也變得豐富了起來(lái),其市場(chǎng)前景也愈發(fā)受到人們看好,并變得想象空間越發(fā)豐富。但伴隨著這些變化,當(dāng)單一用戶(hù)在平臺(tái)中尋覓自己所需信息與資源時(shí),其所要耗費(fèi)的精力與時(shí)間也將變得更多,因此,高效迅捷地幫助用戶(hù)找到其所需資源已成為了在線影視平臺(tái)必須實(shí)現(xiàn)的剛性需求,其效果決定了平臺(tái)的成功與否。個(gè)性化推薦系統(tǒng)作為一種高效的信息過(guò)濾手段,優(yōu)秀的個(gè)性化推薦系統(tǒng)可在短時(shí)間內(nèi)滿足用戶(hù)需求,該系統(tǒng)的實(shí)現(xiàn)多采用基于鄰域的協(xié)同過(guò)濾算法,部分還可能混合采用了基于內(nèi)容的推薦算法或基于人口統(tǒng)計(jì)學(xué)的協(xié)同過(guò)濾算法等,上述算法經(jīng)過(guò)實(shí)踐證明,也都取得了不錯(cuò)的結(jié)果,但都沒(méi)有有效解決“冷啟動(dòng)”和“稀疏性”等問(wèn)題。本課題的主要研究?jī)?nèi)容是搭建一個(gè)在線影視平臺(tái)的個(gè)性化推薦系統(tǒng),通過(guò)面向用戶(hù)的個(gè)性化推薦,自動(dòng)為其推薦可能感興趣的影視資源,幫助用戶(hù)從海量信息中快速挑選到自己喜歡的影視資源,從而節(jié)省用戶(hù)的時(shí)間,讓用戶(hù)擁有更好的欣賞影視作品的體驗(yàn)感受,從而有效提升用戶(hù)黏性。本文對(duì)常見(jiàn)的幾種算法做了分... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

用戶(hù)工作流程用例圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-9-圖2-1用戶(hù)工作流程用例圖2.2.2系統(tǒng)管理的業(yè)務(wù)需求對(duì)于系統(tǒng)管理的業(yè)務(wù)需求，其主要功能應(yīng)包括：能夠管理影視資源、能夠管理會(huì)員的影視資源評(píng)論、能夠管理會(huì)員信息，系統(tǒng)管理員的工作流程用例圖如圖2-2所示。圖2-2系統(tǒng)管理員工作流程用例圖2.2.3推薦算法的業(yè)務(wù)需求對(duì)于推薦算法的業(yè)務(wù)需求，其主要功能應(yīng)包括：耦合對(duì)象相似度算法實(shí)現(xiàn)、基于鄰域的協(xié)同過(guò)濾算法實(shí)現(xiàn)、聚類(lèi)算法實(shí)現(xiàn)、針對(duì)個(gè)體用戶(hù)的推薦列表呈現(xiàn)等。推薦算法的工作流程用例圖如圖2-3所示。圖2-3推薦算法工作流程用例圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-9-圖2-1用戶(hù)工作流程用例圖2.2.2系統(tǒng)管理的業(yè)務(wù)需求對(duì)于系統(tǒng)管理的業(yè)務(wù)需求，其主要功能應(yīng)包括：能夠管理影視資源、能夠管理會(huì)員的影視資源評(píng)論、能夠管理會(huì)員信息，系統(tǒng)管理員的工作流程用例圖如圖2-2所示。圖2-2系統(tǒng)管理員工作流程用例圖2.2.3推薦算法的業(yè)務(wù)需求對(duì)于推薦算法的業(yè)務(wù)需求，其主要功能應(yīng)包括：耦合對(duì)象相似度算法實(shí)現(xiàn)、基于鄰域的協(xié)同過(guò)濾算法實(shí)現(xiàn)、聚類(lèi)算法實(shí)現(xiàn)、針對(duì)個(gè)體用戶(hù)的推薦列表呈現(xiàn)等。推薦算法的工作流程用例圖如圖2-3所示。圖2-3推薦算法工作流程用例圖

【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)和概率矩陣分解的混合推薦算法[J]. 胡思才,孫界平,琚生根,王霞.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[2]主動(dòng)學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用[J]. 趙海燕,汪靜,陳慶奎,曹健.  計(jì)算機(jī)科學(xué). 2019(S2)
[3]今日頭條推薦系統(tǒng)背后的技術(shù)原理[J]. 劉波.  信息安全研究. 2019(11)
[4]基于皮爾遜相關(guān)系數(shù)的網(wǎng)絡(luò)輿情評(píng)估指標(biāo)體系構(gòu)建研究[J]. 覃玉冰,鄧春林,楊柳.  情報(bào)探索. 2018(10)
[5]基于用戶(hù)聯(lián)合相似度的推薦算法[J]. 朱振國(guó),劉民康,趙凱旋.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(05)
[6]基于詞向量的文本特征選擇方法研究[J]. 陳磊,李俊.  小型微型計(jì)算機(jī)系統(tǒng). 2018(05)
[7]卷積神經(jīng)網(wǎng)絡(luò)特征重要性分析及增強(qiáng)特征選擇模型[J]. 盧泓宇,張敏,劉奕群,馬少平.  軟件學(xué)報(bào). 2017(11)
[8]融合社交信息的矩陣分解推薦方法研究綜述[J]. 劉華鋒,景麗萍,于劍.  軟件學(xué)報(bào). 2018(02)
[9]基于移動(dòng)用戶(hù)上下文相似度的張量分解推薦算法[J]. 余可欽,吳映波,李順,蔣佳成,向德,王天慧.  計(jì)算機(jī)應(yīng)用. 2017(09)
[10]融合用戶(hù)評(píng)分和屬性相似度的協(xié)同過(guò)濾推薦算法[J]. 楊秀萍.  計(jì)算機(jī)與現(xiàn)代化. 2017(07)

碩士論文
[1]基于聚類(lèi)的動(dòng)態(tài)情景協(xié)同過(guò)濾推薦策略研究[D]. 趙洋.山東師范大學(xué) 2018
[2]基于Schatten p范數(shù)的協(xié)同過(guò)濾推薦算法研究[D]. 陳夢(mèng)潔.華僑大學(xué) 2018
[3]基于用戶(hù)的協(xié)同過(guò)濾算法改進(jìn)研究及并行化實(shí)現(xiàn)[D]. 李嵩.西北農(nóng)林科技大學(xué) 2018
[4]基于關(guān)注度的協(xié)同過(guò)濾推薦算法[D]. 熊波元.上海師范大學(xué) 2018
[5]協(xié)同過(guò)濾推薦系統(tǒng)中的數(shù)據(jù)稀疏性及冷啟動(dòng)問(wèn)題研究[D]. 李曉菊.華東師范大學(xué) 2018
[6]協(xié)同過(guò)濾推薦算法的改進(jìn)及其在Hadoop平臺(tái)上的并行化[D]. 文詩(shī)琪.華僑大學(xué) 2018
[7]基于分區(qū)模型的個(gè)性化新聞推薦研究[D]. 李徐紅.安徽理工大學(xué) 2017



本文編號(hào)：3604371