融合视觉内容的端到端电影推荐系统研究

发布时间：2025-02-10 20:45

　　在移动互联网时代,个性化推荐服务为人类日常生活造就了便利。日益增长的数据成为了互联网时代的标签,也成为了这个时代最宝贵的资源之一。然而,繁多冗余的数据在推荐系统中没有得到有效利用,用户与物品之间交互数据的高稀疏性给个性化推荐带来了不少困扰,同时也给研究工作带来了巨大挑战。在电影推荐中,极少有研究工作考虑了电影的视觉内容,并且电影海报和静态帧中的美学质量评价还没有在电影推荐中加以使用。另外,现有研究工作使用深度学习技术提取图像视觉特征并用于推荐系统,然而这些视觉特征只是单纯地为了完成分类任务,其中视觉特征与推荐任务的训练相互分离,个性化推荐性能并没有显著提升。本文结合深度学习与推荐算法,融合图像的视觉特征和美学特征进行统一训练,以缓解数据稀疏性,提升个性化电影推荐性能。本文的主要研究工作如下:(1)本文分析了当前推荐系统的研究背景以及国内外的研究现状,探讨了传统推荐算法的优劣以及电影推荐的发展趋势。(2)在分析并利用了电影海报和静态帧中包含的视觉内容的基础上,本文提出了融合视觉特征的端到端电影推荐模型。该模型使用卷积神经网络提取图像的视觉特征,将视觉特征和推荐模型的参数学习融合到统一训练的...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文的主要研究内容
    1.4 文章组织结构
第二章 相关概念与技术
    2.1 推荐系统及其基本定义
    2.2 概率矩阵分解
    2.3 图像的美学质量评价
    2.4 卷积神经网络
    2.5 梯度上升算法
    2.6 前向传播和反向传播
    2.7 本章小结
第三章 融合视觉特征的端到端电影推荐模型
    3.1 问题分析与定义
    3.2 融合视觉特征的端到端推荐模型
        3.2.1 视觉特征的提取
        3.2.2 视觉特征的融合
        3.2.3 模型参数学习
        3.2.4 时间复杂度分析
    3.3 实验及结果分析
        3.3.1 数据集
        3.3.2 评价指标
        3.3.3 对比方法与参数设置
        3.3.4 实验结果分析
    3.4 本章小结
第四章 融合美学特征的端到端电影推荐模型
    4.1 问题分析
    4.2 融合美学特征的端到端推荐模型
        4.2.1 美学质量评价的专用网络
        4.2.2 美学特征的提取
        4.2.3 美学特征的融合
        4.2.4 模型参数训练
    4.3 实验及结果分析
        4.3.1 数据集及设置
        4.3.2 实验结果分析
    4.4 本章小结
第五章 系统实现与展示
    5.1 系统实现环境
    5.2 系统详细设计
    5.3 系统展示
    5.4 系统测试
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
攻读硕士学位期间发表的论文
致谢



本文编号：4033054