基于神经网络的智能电视用户分类研究

发布时间：2020-05-06 11:34

【摘要】：当前电视逐渐向网络化、智能化发展,传统的电视只能单纯的从广电服务中心接收信息,现在的电视更多的带有和互联网的交互功能,这样电视从单向的接受变成了双向的交互,如何充分的利用当前电视智能化网络化的特点是当前研究的新方向。现阶段电视用户分类数据严重缺失。而社交媒体分类数据相对容易获得,考虑到两者的弱关联,社交媒体数据可能对电视用户分类提供帮助。本研究课题为解决现有智能电视用户分类研究的不足,并且由于真实的用户分类信息采集困难,数据量过少且难以进行分类等相关问题。搭建神经网络并通过迁移学习方式解决。主要工作包含以下几个方面。1、根据实验室提供的某地区真实用户数据将用户进行分类。但是因为真实的用户分类数据量很少,为解决真实电视用户分类数据量过小的问题,尝试通过挖掘具有弱关联关系的大量“微博电视用户数据”作为训练数据。2、通过社交网络分析,挖掘用户和信息,提取用户特征和观看热点节目的关系。通过微博话题机制找到该话题下的用户,依次进行访问。抓取用户具体信息并存储在数据库中。3、通过神经网络的方法,建立用户观看热点节目和用户特征之间的模型。将微博数据分词后通过词典匹配用户的“相关爱好”,对用户进行相应分类,根据分类结果构建用户的训练数据,搭建多层神经网络进行训练。4、为解决“微博用户群体”和“真实电视用户群体”不完全重合问题,将上文中搭建好的用户模型,通过迁移学习的方法代入参数,用真实的电视用户分类数据进行训练。生成新的经过迁移学习后适用电视用户数据的模型用于预测真实的电视用户分类。5、利用前面通过迁移学习训练出来的模型对该地区智能电视用户进行用户画像,并对比微博数据和真实的电视用户分类数据,分析实验结果。实验结果表明,通过神经网络和迁移学习搭建的模型可以获得更接近真实用户分类分布的信息。
【图文】：

电视节目,节目,信息,用户类

图４－１微博相关节目的搜索信息逡逑可以看出，搜索相关的节目会出现该节目相应的微博，如果能够获取到相应电视节目的用户，就可以得到关注该电视节目的用户，，进而得到用户类。但是基于微博的机制，点开相应的电视节目官方微博是不能够直接得注用户的情况的。逡逑

电视节目,情况

？Ｊ逡逑图４－２电视节目打开情况逡逑如图４－２，所示，打开后会有该节目被关注（粉丝）情况，但是被关注的具逡逑体用户是不能够查看的，此时需要其他方案。在图４－１搜索结果的下面确实也会逡逑出现相关用户发表的内容，但是也仅仅是用户发表的带有相关节目字眼的评论，逡逑并不是真正关注该节目的用户。不过微博中有一个比较重要的查询方法就是话逡逑题机制，话题机制区别于常规的微博页面，他是通过近期的热点追踪，经过加逡逑工处理制作的参与该热点的专题页面ｔ％。用户可以有多种方式参与，第一种是逡逑自己进入该话题页面发表意见，第二种是用户发表的相关微博会被自动匹配相逡逑关的话题。那么对于用户发表的或者讨论的和该电视相关的内容就会搜索出来。逡逑经过查看，通过话题机制搜索出来的用户大多都关注了相应的电视节目微博账逡逑号。因此可以通过该方法找到关注相应电视节目的微博用户。逡逑解说员晓ＳＧ逡逑＞逦￡．ａ＃２０１９ＮＢＡＳｆ｜ｓ逡逑大家的问题主要集中在湖人，鹈雄，以及他ｆ］之间可能的交易。逡逑先看看湖人。首先说一个５几４就是湖人撞大运拿到第四
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;TP391.1

【相似文献】