基于隐式反馈的视频会议系统推荐方法设计与实现

发布时间：2024-03-03 11:05

　　现代网民经常会在互联网的海量内容中感到迷失,不知如何寻找自己可能感兴趣的内容。个性化推荐系统能将用户和内容进行匹配,协助用户做出决策,满足用户的信息需求,在互联网+时代发挥了重要作用,并逐渐扩展到了更多应用领域,比如视频会议系统。视频会议系统通过网络音视频提供了远程的实时交流服务,降低了沟通成本,现在开始尝试逐渐从机构用户渗透到个人用户,目标是提供一个沟通的大平台。此时,可以应用推荐技术来帮助用户挖掘他们所喜欢的,想要参与的交流活动。可以注意到,包括视频会议系统在内的绝大多数系统都得不到用户物品评分反馈,只能收集到诸如点击,参与会议这样的隐式反馈。推荐系统也只能借助隐式反馈来对用户偏好进行建模。本文结合了视频会议系统来研究隐式反馈推荐方法,通过分析视频会议系统的反馈数据模式,针对性地进行推荐算法设计,提出融合了隐式反馈和物品本身信息的SimBPR个性化排序推荐算法,并依此设计和构建视频会议系统的推荐模块。文章首先分析了推荐系统和视频会议系统的的历史和发展趋势,然后叙述了现有的隐式反馈推荐算法,共分为单类协同过滤、引入辅助信息推荐和排序学习三类。通过观察业界实践,明确了基于逐对排序学习的...

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图2.1用户物品交互矩阵基于最近邻的算法又可以分为基于用户的和基于物品的

第二章相关技术概述第二章相关技术概述算法介绍成为一个独立的研究领域以来，协同过滤算法一直是最流推荐算法之一。大量公司都使用协同过滤算法来提升用户效益。用户物品评分信息或者点击等反馈信息被用于协同过滤算法可以大致分为两类：基于最近邻的的算法和基于于最近邻的算法使用评分信息来计算....

图3.1用户反馈联系

成一个按偏好排序的会议列表，自然而然地把推荐建模为逐对排序学习问题。然一般逐对排序学习算法存在某些问题，好在这些问题在结合具体场景的时候都能性地设计解决方案。本章讨论如何利用视频会议系统中丰富的数据，并结合逐对学习算法，为该场景设计更合适的推荐算法。问题描述通过研究发现，基于排....

图3.2相似度计算架构

图3.2相似度计算架构义依存分析使用哈工大的LTP语言云工具[39]，依存关系可以分为三类，其语义角色，其二是角色之间的关系，其三是语义依附标记，标记语句所包含语言云提供了这三种依存关系的示例如表3.2。表3.2语义依存关系示例关系类型TagDescriptionE....

图3.3语义分析结果

图3.2相似度计算架构依存分析使用哈工大的LTP语言云工具[39]，依存关系可以分为三类，义角色，其二是角色之间的关系，其三是语义依附标记，标记语句所包言云提供了这三种依存关系的示例如表3.2。表3.2语义依存关系示例类型TagDescriptionExample关....

本文编号：3917691