廣播電視網(wǎng)與互聯(lián)網(wǎng)的融合,使得電視節(jié)目資源共享,海量的電視節(jié)目滿足了用戶觀看需求,但也使得用戶很難在可交互的收視選擇中找到自己感興趣的節(jié)目。如何實(shí)現(xiàn)電視節(jié)目的精準(zhǔn)營(yíng)銷,以期在滿足用戶需求的同時(shí)增加廣播電視信息提供商的經(jīng)營(yíng)收益已經(jīng)成為廣播電視信息服務(wù)公司急需解決的問題。處理信息過載的個(gè)性化推薦系統(tǒng)能為用戶提供個(gè)性化服務(wù),但在電視節(jié)目領(lǐng)域個(gè)性化推薦系統(tǒng)還面臨著很多問題。論文針對(duì)電視節(jié)目推薦系統(tǒng)中無顯式評(píng)分、數(shù)據(jù)稀疏,使用Python語(yǔ)言分析用戶歷史行為數(shù)據(jù),建立個(gè)性化推薦模型。主要研究的內(nèi)容如下:(1)構(gòu)建線性加權(quán)映射函數(shù)形成隱式評(píng)分體系。經(jīng)過分析用戶群歷史行為數(shù)據(jù),改變傳統(tǒng)根據(jù)單一屬性計(jì)算評(píng)分的方法,提出融合用戶行為數(shù)據(jù)中多種特征屬性的加權(quán)映射函數(shù)評(píng)分體系,其中特征屬性包括:觀看時(shí)長(zhǎng)、觀看次數(shù)、付費(fèi)金額和付費(fèi)次數(shù),得出用戶對(duì)節(jié)目的隱式評(píng)分矩陣,解決了電視節(jié)目推薦系統(tǒng)中無用戶顯式評(píng)分問題。(2)基于K-近鄰的協(xié)同過濾算法的電視節(jié)目推薦系統(tǒng)的研究。通過余弦相似系數(shù)公式尋找相似近鄰,依據(jù)近鄰為目標(biāo)用戶進(jìn)行個(gè)性化推薦;并使用分類準(zhǔn)確率比較不同近鄰個(gè)數(shù)取值情況下基于User-CF算法和Item-C...

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 論文主要內(nèi)容
第二章 推薦算法與模型評(píng)價(jià)指標(biāo)
    2.1 推薦算法
        2.1.1 基于 K-近鄰的協(xié)同過濾推薦算法
        2.1.2 基于矩陣分解的推薦算法
    2.2 推薦系統(tǒng)設(shè)計(jì)
    2.3 模型評(píng)測(cè)指標(biāo)
    2.4 本章小結(jié)
第三章 數(shù)據(jù)預(yù)處理和評(píng)分系統(tǒng)
    3.1 數(shù)據(jù)清洗
    3.2 數(shù)據(jù)分析
        3.2.1 頻道用戶的觀看行為數(shù)據(jù)統(tǒng)計(jì)與分析
        3.2.2 節(jié)目用戶的觀看行為數(shù)據(jù)統(tǒng)計(jì)與分析
        3.2.3 用戶群的分析
    3.3 評(píng)分系統(tǒng)
        3.3.1 用戶-頻道評(píng)分系統(tǒng)
        3.3.2 用戶-節(jié)目評(píng)分系統(tǒng)
    3.4 本章小結(jié)
第四章 基于K-近鄰協(xié)同過濾算法的推薦系統(tǒng)研究
    4.1 基于K-近鄰?fù)扑]系統(tǒng)模型的建立
        4.1.1 基于User-CF算法的推薦系統(tǒng)
        4.1.2 基于Item-CF算法的推薦系統(tǒng)
    4.2 模型評(píng)價(jià)及結(jié)果分析
    4.3 基于User-CF算法和Item-CF算法模型比較
    4.4 本章小結(jié)
第五章 基于矩陣分解算法的推薦系統(tǒng)研究
    5.1 基于矩陣分解的推薦系統(tǒng)原理
    5.2 算法的優(yōu)化與比較
        5.2.1 基于特征屬性的矩陣分解算法
        5.2.2 基于隱式反饋的矩陣分解算法
        5.2.3 基于矩陣分解算法推薦系統(tǒng)模型建立
        5.2.4 算法比較
    5.3 Matrix Factorization、User-CF和 Item-CF算法的比較
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 不足與展望
參考文獻(xiàn)
攻讀碩士期間主要研究成果
致謝



本文編號(hào)：3831511