IPTV智能推荐系统的设计与研究
本文关键词:IPTV智能推荐系统的设计与研究 出处:《华南理工大学》2015年硕士论文 论文类型:学位论文
【摘要】:随着信息技术和互联网的不断发展,人们逐渐从信息匮乏的时代走入信息过载的时代。作为新媒体行业突出代表的IPTV(交互式网络电视)由于其人性化的交互和实时性的体验,逐渐使用户从后仰式观看习惯变成前倾式观看习惯。作为IPTV的从业人员,如何有效利用大数据分析的结果,让平台内的信息脱颖而出,受到用户的关注;如何使用户从大量信息中获取其感兴趣的信息,为用户提供高品质的个性化服务,是本文的主要研究方向。本研究深入分析新媒体环境下智能推荐的相关应用平台,通过对IPTV平台上的产品相关数据统计、用户行为数据统计以及付费产品数据统计等需求的研究,探索智能推荐系统的创新设计与实现。首先针对智能推荐数据的结构提出设计方案,利用搜索引擎通过网络快速响应客户端的搜索请求,以实现用户对于节目、回看、入口以及信息关联等内容的搜索服务。然后,基于对平台最重要的用户行为数据,利用微软公司的SSIS去设计数据采集程序并对数据进行分析和处理;同时应用ASP.NET技术,将分析产生的结果,利用网页呈现出来,有利于推荐系统下一步工作的实现。最后通过多种算法模型,实现在终端对用户进行智能推荐,同时解决推荐系统中的冷启动问题。通过实际业务环境的应用验证,证实设计的正确性和有效性。本文的研究可为IPTV平台的管理层提供准确的数据分析,为管理者的决策提供充分的数据支持;同时为用户提供高品质的个性化服务提供强有力支撑。
[Abstract]:With the continuous development of information technology and the Internet. As a prominent representative of the new media industry, IPTV (interactive network television) is experiencing its humanized interaction and real-time experience. As IPTV practitioners, how to effectively use the results of big data analysis, so that the information in the platform stand out, and get the attention of users; How to make users get interesting information from a large number of information, and provide users with high-quality personalized services. This research is the main research direction of this paper. This research deeply analyzes the intelligent recommendation application platform under the new media environment, through the product related data statistics on the IPTV platform. In order to explore the innovative design and implementation of intelligent recommendation system, this paper proposes a design scheme for the structure of intelligent recommendation data, which is based on the research of user behavior data statistics and payment product data statistics. The search engine is used to quickly respond to the client's search request through the network, so as to realize the user's search service for the program, the back view, the entrance and the information association and so on. Based on the most important user behavior data of the platform, the SSIS of Microsoft is used to design the data acquisition program and analyze and process the data. At the same time, the application of ASP.NET technology, the results of the analysis, the use of web pages presented, is conducive to the implementation of the next step of the recommendation system. Finally, through a variety of algorithm models. Realize the intelligent recommendation to the user in the terminal, at the same time solve the cold start problem in the recommendation system. Through the application verification of the actual business environment. The research in this paper can provide accurate data analysis for the management of IPTV platform and provide sufficient data support for managers' decision-making. At the same time to provide users with high-quality personalized services to provide strong support.
【学位授予单位】:华南理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.3
【相似文献】
相关期刊论文 前10条
1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期
2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期
3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期
4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期
5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期
6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期
7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期
8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期
9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期
10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期
相关会议论文 前8条
1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年
2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年
4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年
6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年
8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
相关重要报纸文章 前2条
1 ;大数据如何“落地”[N];中国新闻出版报;2014年
2 本报记者 邹大斌;大数据:电商新武器[N];计算机世界;2012年
相关博士学位论文 前10条
1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
2 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年
3 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年
4 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年
5 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年
6 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年
7 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年
8 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年
9 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年
10 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年
相关硕士学位论文 前10条
1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年
2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年
3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年
4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年
5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年
6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年
7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年
8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年
9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年
10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年
,本文编号:1397072
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/1397072.html