面向IPTV家庭组用户的推荐策略研究与应用
发布时间：2021-03-04 11:08
与传统推荐系统业务场景相比,交互式网络电视（IPTV）推荐场景下用户多为包含复数成员的家庭组用户,用户行为数据具有较强复合性,传统推荐算法无法从其中提取出各家庭成员的兴趣偏好信息,难以精确满足每一位成员的推荐需求。针对该问题,现有研究工作大多从时间信息着手,采用聚类方法建立时间段与家庭成员的对应关系,挖掘家庭成员的兴趣偏好信息,最终采取合并策略对各成员的推荐结果进行整合得出推荐列表。本文以提升推荐算法在IPTV家庭组用户场景下的准确度为目标,提出一种新的问题解决思路。各家庭成员由于性别、年龄和作息等原因有着各自倾向的观影时段和兴趣偏好,在短时间内不会轻易发生改变。因此相比单成员用户,家庭组用户基于时间的兴趣函数趋于周期函数,并由于观看成员切换的原因在周期内其兴趣波动幅度较大。基于上述现象,本文将家庭组用户视为兴趣偏好以天为周期变化且在周期内兴趣波动幅度较大的单成员用户,捕捉用户兴趣在一天内随家庭成员切换而变化的细粒度时间效应,最终为家庭组用户提供随时间变化的推荐列表,时刻满足各家庭成员的推荐需求。研究过程主要完成了以下工作:1)提取家庭组用户在周期内各个时段的隐性特征向量。对家庭组用户...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
广播电视与在线视频市场规模对比图
电子科技大学硕士学位论文2的视频下载速度和更低的观看时延，短视频行业的生存土壤将更为肥沃。可以预见在不远的将来，会有更多的用户在广播电视与短视频中选择后者，广播电视行业的市场份额与生存空间也将进一步被压缩。图1-22016-2020年中国短视频行业市场规模及预测图与在线视频行业相比，广播电视行业现如今已很难满足大部分用户的需求，其劣势可归纳为以下两点：1)在媒体载体方面，电视相比笔记本电脑和手机等移动端设备在便携性上有着先天性劣势。当今时代大部分人由于工作的原因，可以自由支配的时间呈“碎片化”状态，有着不连续和持续短的特点，因此载体的便携性将直接影响到媒体的曝光度。2)广播电视普遍缺乏面向用户的便利的信息筛选方式。随着“大数据”时代的到来，信息数据呈指数增长，在这种环境下用户对于快速方便的信息筛选和过滤方式有着极高的依赖性。在美国，搜索引擎广告于2016年市值就已达到250亿美元，是数字广告行业的主流。而在国内，今日头条、抖音等应用软件的火爆程度足以说明优秀的个性化推荐系统对一款成功产品的重要性。上述两点劣势正是如今广播电视行业处于增长动能衰减状态的主要原因。广播电视在便携性方面大幅落后于当今的移动端设备，并且广播电视行业也没有针
第二章相关研究工作113)属性匹配步骤。该步骤根据用户兴趣爱好信息以及物品特征属性进行匹配工作完成推荐，工作内容主要为相容度计算，包括根据物品特征计算物品间的相似度、根据用户兴趣模型计算用户和物品的匹配度。最终将用户潜在感兴趣的Top-K物品集合作为推荐列表返回给用户完成推荐。图2-1基于内容的推荐方法过程2.2.2基于向量空间模型的内容分析在基于内容的推荐方法中，最为常见的分析物品内容并提取关键词特征向量的模型为基于TF-IDF权重的向量空间模型。在该模型中，每个物品均会获得一个基于关键词的词频-逆文档频率（TF-IDF）的特征向量，该向量是计算物品相似度和用户兴趣建模的主要凭据。VSM模型将物品内容集合表示为D={d1,d2,…,dN}，dn代表物品的内容信息（通常为简介）。关键词词典表示为W={w1,w2,…,wN}，使用自然语言处理技术从内容库中提取得来。最终基于TF-IDF算法计算每一关键词占物品内容的权重值，形成物品的特征向量Vi={ω1i,ω2i,…,ωni}，向量中数据代表关键词对于该物品内容的权重。TF-IDF计算公式如下式2-1所示：
【参考文献】：
期刊论文
[1]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平. 软件学报. 2009(02)
硕士论文
[1]基于情境感知的广播电视群组推荐方法研究[D]. 陈建.中国科学技术大学 2017
[2]面向家庭用户的互联网电视资源推荐模型研究[D]. 喻玲.华中师范大学 2015
[3]基于协同过滤与划分聚类的推荐算法研究[D]. 张亮.吉林大学 2014
[4]基于IPTV的虚拟群组推荐研究[D]. 范娜.华东师范大学 2013
[5]面向互动电视的影视节目推荐系统研究与实现[D]. 沈建军.复旦大学 2012
[6]面向网络电视的推荐系统框架及算法研究[D]. 肖洁.华东师范大学 2012
本文编号：3063106
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
广播电视与在线视频市场规模对比图
电子科技大学硕士学位论文2的视频下载速度和更低的观看时延，短视频行业的生存土壤将更为肥沃。可以预见在不远的将来，会有更多的用户在广播电视与短视频中选择后者，广播电视行业的市场份额与生存空间也将进一步被压缩。图1-22016-2020年中国短视频行业市场规模及预测图与在线视频行业相比，广播电视行业现如今已很难满足大部分用户的需求，其劣势可归纳为以下两点：1)在媒体载体方面，电视相比笔记本电脑和手机等移动端设备在便携性上有着先天性劣势。当今时代大部分人由于工作的原因，可以自由支配的时间呈“碎片化”状态，有着不连续和持续短的特点，因此载体的便携性将直接影响到媒体的曝光度。2)广播电视普遍缺乏面向用户的便利的信息筛选方式。随着“大数据”时代的到来，信息数据呈指数增长，在这种环境下用户对于快速方便的信息筛选和过滤方式有着极高的依赖性。在美国，搜索引擎广告于2016年市值就已达到250亿美元，是数字广告行业的主流。而在国内，今日头条、抖音等应用软件的火爆程度足以说明优秀的个性化推荐系统对一款成功产品的重要性。上述两点劣势正是如今广播电视行业处于增长动能衰减状态的主要原因。广播电视在便携性方面大幅落后于当今的移动端设备，并且广播电视行业也没有针
第二章相关研究工作113)属性匹配步骤。该步骤根据用户兴趣爱好信息以及物品特征属性进行匹配工作完成推荐，工作内容主要为相容度计算，包括根据物品特征计算物品间的相似度、根据用户兴趣模型计算用户和物品的匹配度。最终将用户潜在感兴趣的Top-K物品集合作为推荐列表返回给用户完成推荐。图2-1基于内容的推荐方法过程2.2.2基于向量空间模型的内容分析在基于内容的推荐方法中，最为常见的分析物品内容并提取关键词特征向量的模型为基于TF-IDF权重的向量空间模型。在该模型中，每个物品均会获得一个基于关键词的词频-逆文档频率（TF-IDF）的特征向量，该向量是计算物品相似度和用户兴趣建模的主要凭据。VSM模型将物品内容集合表示为D={d1,d2,…,dN}，dn代表物品的内容信息（通常为简介）。关键词词典表示为W={w1,w2,…,wN}，使用自然语言处理技术从内容库中提取得来。最终基于TF-IDF算法计算每一关键词占物品内容的权重值，形成物品的特征向量Vi={ω1i,ω2i,…,ωni}，向量中数据代表关键词对于该物品内容的权重。TF-IDF计算公式如下式2-1所示：
【参考文献】：
期刊论文
[1]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平. 软件学报. 2009(02)
硕士论文
[1]基于情境感知的广播电视群组推荐方法研究[D]. 陈建.中国科学技术大学 2017
[2]面向家庭用户的互联网电视资源推荐模型研究[D]. 喻玲.华中师范大学 2015
[3]基于协同过滤与划分聚类的推荐算法研究[D]. 张亮.吉林大学 2014
[4]基于IPTV的虚拟群组推荐研究[D]. 范娜.华东师范大学 2013
[5]面向互动电视的影视节目推荐系统研究与实现[D]. 沈建军.复旦大学 2012
[6]面向网络电视的推荐系统框架及算法研究[D]. 肖洁.华东师范大学 2012
本文编号：3063106
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3063106.html
