在线视频网站的电影推荐算法及其应用研究

发布时间：2021-05-31 17:03

　　随着互联网产业和电子信息技术的飞速发展,信息资源的规模以倍数级快速增长,用户寻找感兴趣信息的成本日益增长,信息过载问题日益严重。在这个背景下,推荐系统作为一类高效的信息分发模式,其重要性日益显现。目前推荐系统领域研究主要包括工程研究与算法研究两个方面,其中焦点内容依然为算法研究。推荐算法研究是机器学习和人工智能领域的重要研究方向,近些年来随着机器学习领域的迅速发展,推荐算法领域也取得了长足的进步。对目前电影推荐系统中广泛应用的推荐算法进行了深入的理解和研究,整理了目前电影推荐算法领域的常见应用架构、推荐算法的评价指标以及常用推荐算法的原理与优缺点,并且指出了目前广泛应用的基于相似度原理的推荐算法只关注用户或实例之间的相似度关系,而忽略用户行为序列的序列性信息的缺陷。针对这个问题,出了一种全新的可以取序列性信息的电影推荐算法IA LSTM（Input Attention LSTM）,并以在线视频网站的电影推荐做为应用场景进行应用。IA LSTM算法以长短期记忆循环神经网络（LSTM）为算法基础网络结构,依靠循环神经网络本身的结构特点取用户行为的序列信息,并结合词嵌入思想（Word Emb... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

亚马逊的图书推荐系统

常见的推荐算法应用架构

基于用户的协同过滤算法

【参考文献】：
期刊论文
[1]基于深度学习加强的混合推荐方法[J]. 张敏,丁弼原,马为之,谭云志,刘奕群,马少平.  清华大学学报(自然科学版). 2017(10)
[2]国内电子商务网站推荐系统信息服务质量比较研究——以淘宝、京东、亚马逊为例[J]. 洪亮,任秋圜,梁树贤.  图书情报工作. 2016(23)
[3]浅谈基于Hadoop平台的大规模数据排序[J]. 门威,吕书林.  智能计算机与应用. 2016(03)
[4]基于用户的协同过滤算法的推荐效率和个性化改进[J]. 王成,朱志刚,张玉侠,苏芳芳.  小型微型计算机系统. 2016(03)
[5]移动新闻推荐技术及其应用研究综述[J]. 孟祥武,陈诚,张玉洁.  计算机学报. 2016(04)
[6]推荐系统研究进展[J]. 朱扬勇,孙婧.  计算机科学与探索. 2015(05)
[7]大数据系统和分析技术综述[J]. 程学旗,靳小龙,王元卓,郭嘉丰,张铁赢,李国杰.  软件学报. 2014(09)
[8]协同过滤推荐技术综述[J]. 冷亚军,陆青,梁昌勇.  模式识别与人工智能. 2014(08)
[9]面向微博系统的实时个性化推荐[J]. 高明,金澈清,钱卫宁,王晓玲,周傲英.  计算机学报. 2014(04)
[10]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)

硕士论文
[1]基于深度学习的推荐系统研究[D]. 陈达.北京邮电大学 2014



本文编号：3208625