基于耦合相似度协同过滤算法的影视推荐系统设计与实现
发布时间：2022-01-23 12:41
近几年,互联网伴随着人们的广泛使用,其所承载的数据资源以指数式的速度与日俱增,其已由初期时的信息匮乏年代逐步发展成为了信息过载年代,与之相伴的网络在线影视也变得丰富了起来,其市场前景也愈发受到人们看好,并变得想象空间越发丰富。但伴随着这些变化,当单一用户在平台中寻觅自己所需信息与资源时,其所要耗费的精力与时间也将变得更多,因此,高效迅捷地帮助用户找到其所需资源已成为了在线影视平台必须实现的刚性需求,其效果决定了平台的成功与否。个性化推荐系统作为一种高效的信息过滤手段,优秀的个性化推荐系统可在短时间内满足用户需求,该系统的实现多采用基于邻域的协同过滤算法,部分还可能混合采用了基于内容的推荐算法或基于人口统计学的协同过滤算法等,上述算法经过实践证明,也都取得了不错的结果,但都没有有效解决“冷启动”和“稀疏性”等问题。本课题的主要研究内容是搭建一个在线影视平台的个性化推荐系统,通过面向用户的个性化推荐,自动为其推荐可能感兴趣的影视资源,帮助用户从海量信息中快速挑选到自己喜欢的影视资源,从而节省用户的时间,让用户拥有更好的欣赏影视作品的体验感受,从而有效提升用户黏性。本文对常见的几种算法做了分...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
用户工作流程用例图
哈尔滨工业大学工程硕士学位论文-9-图2-1用户工作流程用例图2.2.2系统管理的业务需求对于系统管理的业务需求，其主要功能应包括：能够管理影视资源、能够管理会员的影视资源评论、能够管理会员信息，系统管理员的工作流程用例图如图2-2所示。图2-2系统管理员工作流程用例图2.2.3推荐算法的业务需求对于推荐算法的业务需求，其主要功能应包括：耦合对象相似度算法实现、基于邻域的协同过滤算法实现、聚类算法实现、针对个体用户的推荐列表呈现等。推荐算法的工作流程用例图如图2-3所示。图2-3推荐算法工作流程用例图
哈尔滨工业大学工程硕士学位论文-9-图2-1用户工作流程用例图2.2.2系统管理的业务需求对于系统管理的业务需求，其主要功能应包括：能够管理影视资源、能够管理会员的影视资源评论、能够管理会员信息，系统管理员的工作流程用例图如图2-2所示。图2-2系统管理员工作流程用例图2.2.3推荐算法的业务需求对于推荐算法的业务需求，其主要功能应包括：耦合对象相似度算法实现、基于邻域的协同过滤算法实现、聚类算法实现、针对个体用户的推荐列表呈现等。推荐算法的工作流程用例图如图2-3所示。图2-3推荐算法工作流程用例图
【参考文献】：
期刊论文
[1]基于深度神经网络和概率矩阵分解的混合推荐算法[J]. 胡思才,孙界平,琚生根,王霞. 四川大学学报(自然科学版). 2019(06)
[2]主动学习在推荐系统中的应用[J]. 赵海燕,汪静,陈庆奎,曹健. 计算机科学. 2019(S2)
[3]今日头条推荐系统背后的技术原理[J]. 刘波. 信息安全研究. 2019(11)
[4]基于皮尔逊相关系数的网络舆情评估指标体系构建研究[J]. 覃玉冰,邓春林,杨柳. 情报探索. 2018(10)
[5]基于用户联合相似度的推荐算法[J]. 朱振国,刘民康,赵凯旋. 计算机系统应用. 2018(05)
[6]基于词向量的文本特征选择方法研究[J]. 陈磊,李俊. 小型微型计算机系统. 2018(05)
[7]卷积神经网络特征重要性分析及增强特征选择模型[J]. 卢泓宇,张敏,刘奕群,马少平. 软件学报. 2017(11)
[8]融合社交信息的矩阵分解推荐方法研究综述[J]. 刘华锋,景丽萍,于剑. 软件学报. 2018(02)
[9]基于移动用户上下文相似度的张量分解推荐算法[J]. 余可钦,吴映波,李顺,蒋佳成,向德,王天慧. 计算机应用. 2017(09)
[10]融合用户评分和属性相似度的协同过滤推荐算法[J]. 杨秀萍. 计算机与现代化. 2017(07)
硕士论文
[1]基于聚类的动态情景协同过滤推荐策略研究[D]. 赵洋.山东师范大学 2018
[2]基于Schatten p范数的协同过滤推荐算法研究[D]. 陈梦洁.华侨大学 2018
[3]基于用户的协同过滤算法改进研究及并行化实现[D]. 李嵩.西北农林科技大学 2018
[4]基于关注度的协同过滤推荐算法[D]. 熊波元.上海师范大学 2018
[5]协同过滤推荐系统中的数据稀疏性及冷启动问题研究[D]. 李晓菊.华东师范大学 2018
[6]协同过滤推荐算法的改进及其在Hadoop平台上的并行化[D]. 文诗琪.华侨大学 2018
[7]基于分区模型的个性化新闻推荐研究[D]. 李徐红.安徽理工大学 2017
本文编号：3604371
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
用户工作流程用例图
哈尔滨工业大学工程硕士学位论文-9-图2-1用户工作流程用例图2.2.2系统管理的业务需求对于系统管理的业务需求，其主要功能应包括：能够管理影视资源、能够管理会员的影视资源评论、能够管理会员信息，系统管理员的工作流程用例图如图2-2所示。图2-2系统管理员工作流程用例图2.2.3推荐算法的业务需求对于推荐算法的业务需求，其主要功能应包括：耦合对象相似度算法实现、基于邻域的协同过滤算法实现、聚类算法实现、针对个体用户的推荐列表呈现等。推荐算法的工作流程用例图如图2-3所示。图2-3推荐算法工作流程用例图
哈尔滨工业大学工程硕士学位论文-9-图2-1用户工作流程用例图2.2.2系统管理的业务需求对于系统管理的业务需求，其主要功能应包括：能够管理影视资源、能够管理会员的影视资源评论、能够管理会员信息，系统管理员的工作流程用例图如图2-2所示。图2-2系统管理员工作流程用例图2.2.3推荐算法的业务需求对于推荐算法的业务需求，其主要功能应包括：耦合对象相似度算法实现、基于邻域的协同过滤算法实现、聚类算法实现、针对个体用户的推荐列表呈现等。推荐算法的工作流程用例图如图2-3所示。图2-3推荐算法工作流程用例图
【参考文献】：
期刊论文
[1]基于深度神经网络和概率矩阵分解的混合推荐算法[J]. 胡思才,孙界平,琚生根,王霞. 四川大学学报(自然科学版). 2019(06)
[2]主动学习在推荐系统中的应用[J]. 赵海燕,汪静,陈庆奎,曹健. 计算机科学. 2019(S2)
[3]今日头条推荐系统背后的技术原理[J]. 刘波. 信息安全研究. 2019(11)
[4]基于皮尔逊相关系数的网络舆情评估指标体系构建研究[J]. 覃玉冰,邓春林,杨柳. 情报探索. 2018(10)
[5]基于用户联合相似度的推荐算法[J]. 朱振国,刘民康,赵凯旋. 计算机系统应用. 2018(05)
[6]基于词向量的文本特征选择方法研究[J]. 陈磊,李俊. 小型微型计算机系统. 2018(05)
[7]卷积神经网络特征重要性分析及增强特征选择模型[J]. 卢泓宇,张敏,刘奕群,马少平. 软件学报. 2017(11)
[8]融合社交信息的矩阵分解推荐方法研究综述[J]. 刘华锋,景丽萍,于剑. 软件学报. 2018(02)
[9]基于移动用户上下文相似度的张量分解推荐算法[J]. 余可钦,吴映波,李顺,蒋佳成,向德,王天慧. 计算机应用. 2017(09)
[10]融合用户评分和属性相似度的协同过滤推荐算法[J]. 杨秀萍. 计算机与现代化. 2017(07)
硕士论文
[1]基于聚类的动态情景协同过滤推荐策略研究[D]. 赵洋.山东师范大学 2018
[2]基于Schatten p范数的协同过滤推荐算法研究[D]. 陈梦洁.华侨大学 2018
[3]基于用户的协同过滤算法改进研究及并行化实现[D]. 李嵩.西北农林科技大学 2018
[4]基于关注度的协同过滤推荐算法[D]. 熊波元.上海师范大学 2018
[5]协同过滤推荐系统中的数据稀疏性及冷启动问题研究[D]. 李晓菊.华东师范大学 2018
[6]协同过滤推荐算法的改进及其在Hadoop平台上的并行化[D]. 文诗琪.华侨大学 2018
[7]基于分区模型的个性化新闻推荐研究[D]. 李徐红.安徽理工大学 2017
本文编号：3604371
本文链接：https://www.wllwen.com/wenyilunwen/dianyingdianshilunwen/3604371.html
