基于改进的协同过滤短视频个性化推荐系统分析与实现

发布时间：2024-05-14 04:16

　　在现今时代,科学技术日新月异,人们已经从信息闭塞的年代跃进至信息爆炸的年代,如何在爆炸的信息中获取用户真正感兴趣的数据,也就是如何从数万亿短视频当中挑选出用户喜好的短视频是一个需要解决的问题。在以上背景之下,本文提出了一种基于改进的协同过滤短视频个性化推荐方法,并将此方法扩展,最终实现了个性化短视频推荐系统。本系统通过前期充分利用用户的注册信息,让用户主动选择合适的物品(兴趣标签),接入第三方社交账号等方法对数据进行预处理,然后根据预处理的数据建立用户兴趣模型,接着将模型矩阵利用SVD方法降维,之后引入惩罚因子计算相似度,最终获取相应的邻居集,并根据预测分进行推荐。改进过程中通过引入SVD解决了数据稀疏性的问题,通过引入惩罚因子,有效的解决了项目热度所带来的长尾效应问题。因此,在最终的推荐结果上对于传统协同过滤算法来说改进后的计算方法是更加准确更加高效的方法。在系统开发的过程当中,针对一些基础、重要的模块和功能,本文都给出了相应的详细设计方案,从而为整个系统完整有效的实现提供了坚实的思路和保证。最后通过一系列的实验,实现了本文所设计的系统并上线使用,同时根据用户的实际数据和相关实验数据...

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图2.1个性化推荐系统分类Fig2.1Theclassificationofpersonalizedrecommendationsystem用户数据和项目数据，这两个数据是现如今推荐系统两个尤为重要的因素，因为

常见的短视频类型有：短时长原创纪录片，网红流量型，原创恶搞，随S等。短视频已经成为一种全新的生活方式以及流量获取方式。现如今时代，用户从海量数据中筛选出自己感兴趣的短视频内容，无疑时间成个性化推荐系统就是为了更方便简洁迅速地推荐符合用户“口味”的信个性化推荐系统概述较于其他传统....

图2.2推荐系统工作流程图

图2.2推荐系统工作流程图Fig2.2Recommendedsystemworkflowchart在推荐系统推荐的过程中，我们需要做到采集用户信息数据，其中囊括了特征、行为数据、历史数据等[14]。当把所有需要的数据收集齐全之后，我们通常会使-means算法、K....

图2.3协同过滤推荐算法分类图

DF即为TF与IDF的乘积。ijijiTFIDFTFIDF(,)（,)最终我们可以根据TF-IDF算法，最终确定TF-IDF值最大的几个词语，它们可以作为该文本的核心特征词。于协同过滤的推荐过滤推荐系统在现如今已经被应用于许多领域当中。如电子商务领短视....

图3.1用户注册信息冷启动推荐Fig3.1Userregistrationinformationcoldstartrecommended（2）让用户主动选择合适的物品（兴趣标签）：用户访问推荐系统，不会立刻进行推荐，而是提供一些物品（兴趣标签），让用户进行反馈

图3.1用户注册信息冷启动推荐Fig3.1Userregistrationinformationcoldstartrecommended（2）让用户主动选择合适的物品（兴趣标签）：用户访问推荐系统，不会立行推荐，而是提供一些物品（兴趣标签），让用户进行反馈。当用....

本文编号：3973179