基于用户行为的个性化内容推送系统研究

摘要

在“三网融合”技术应用愈来愈普及的今天,机顶盒产品层出不穷。通过机顶盒与电视机的连接,广大用户得到的内容资源迅速增长,用户如何从大量内容资源中快速、精准获取自己真正感兴趣的节目内容是一个难题。构建一个个性化推送系统有利于更好的解决这个问题。
　　从收集用户观看行为信息出发,系统预先定义好用户要上报的数据内容和格式,隐式记录用户从开机到关机整个过程中的观看行为数据。据此建立的用户兴趣数据库起到对数据的预处理作用,大大减少噪声数据。
　　用户兴趣模型的构建和推送技术的实现是个性化推送系统的两个核心内容。在充分研究目前主流的用户兴趣模型构建技术的基础上,提出了基于时间因素的层次向量空间用户兴趣模型。该模型具有三层树状结构,能够动态地计算出用户兴趣度并能兼顾用户的长期兴趣和短期兴趣,而且还可以更简单的实现用户兴趣模型的更新。最后采用基于用户兴趣度的混合推送技术,能够弥补传统推送技术高维数据稀疏和过拟合的问题。
　　利用精伦电子大观园管理平台收集的用户观看行为兴趣数据,通过对比实验验证了基于时间因素的层次向量空间用户兴趣模型在准确度以及相关系数方面都优于传统用户兴趣模型;基于用户兴趣变化的混合推送技术在MAE指标上有了提高。个性化内容推送系统实现将用户感兴趣的主题以个性化节目界面呈现给用户。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的研究背景和意义

1.2 国内外研究概况

1.3 本文的研究内容与组织结构

2 个性化推送系统的需求分析

2.1 机顶盒应用特点分析

2.2 设计目标

2.3 系统功能需求分析

2.4 本章小结

3 基于时间因素的层次向量空间用户兴趣模型构建

3.1 用户兴趣模型概述

3.2 用户兴趣模型建模基本步骤

3.3 基于时间因素的层次向量空间用户兴趣模型

3.4 基于时间因素的层次向量空间的用户兴趣模型更新方法

3.5 基于时间因素的层次向量空间模型构建方法

3.6 实验

3.7 本章小结

4 基于用户兴趣度的混合推送技术

4.1 基于内容的推送技术

4.2 协同过滤推送技术

4.3 基于用户兴趣度的混合推送技术概述

4.4 基于用户兴趣度的混合推送技术实现

4.5 实验

4.6 本章小结

5 个性化内容推送系统实现

5.1 用户行为兴趣信息收集模块的实现

5.2 用户兴趣模型的建立

5.3 个性化内容推送模块的实现

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

致谢

参考文献