基于用户兴趣模型的IPTV个性化推荐方法研究

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外研究概况

1.2.1 个性化推荐方法研究现状

1.2.2 用户兴趣模型研究现状

1.3 本文研究内容与组织结构

第二章 数据预处理及用户收视图像表征

2.1 用户收视行为数据预处理

2.1.1 用户历史数据说明

2.1.2 收视行为数据提取

2.1.3 收视行为数据预处理

2.2 用户收视图像表征

2.2.1 实验数据

2.2.2 用户收视图像表征方法

2.2.3 用户收视图像说明

2.3 本章小结

第三章 基于卷积神经网络的用户收视图像分类

3.1 卷积神经网络CNN

3.1.1 CNN整体架构

3.1.2 CNN局部连接属性

3.1.3 CNN权重共享特性

3.2 基于卷积神经网络的用户收视图像分类方法

3.3 实验设计及分析

3.3.1 实验数据

3.3.2 实验步骤及结果分析

3.4 本章小结

第四章 基于聚类和关联规则的用户兴趣模型挖掘

4.1 用户兴趣模型

4.1.1 基于标签的用户兴趣模型

4.1.2 基于时间-标签的用户兴趣模型

4.2 基于聚类和关联规则的用户兴趣模型挖掘算法

4.2.1 基于K-means 聚类的用户行为模式识别

4.2.2 基于关联规则的用户兴趣标签挖掘

4.2.3 基于用户兴趣模型的在线推荐

4.3 实验设计及分析

4.3.1 实验数据

4.3.1 实验步骤

4.3.2 结果与分析

4.4 本章小结

第五章 总结与展望

5.1 本文总结

5.2 工作展望

参考文献

攻读硕士学位期间取得的研究成果

致谢