欢迎来到天天文库
浏览记录
ID:35059060
大小:5.11 MB
页数:73页
时间:2019-03-17
《基于web挖掘的视频推荐系统分析与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、<?i’1护单位代码:1日巧3密级:公开考皮營僅硕女份戈pultiTFW论文题目:基于Web挖掘的视频推荐系统分析与卖现学号1213012524姓名im导师周亮教授专业学位类别工精硕+类型全日制专业(领域)电子与通信工程论文提交日期二零一六年二月南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得的研巧成果。尽我所知,论文中不包含其他人己经发表或撰写过,除了文中特别加抖标注和致谢的地义外。的
2、研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料-与我同工作的同志对本研究所做的任何贡献均B在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有不实,愿意承担切相关的法律责任。>^研究生签名:若日期:扛-年拜南京邮电大学学位论文使用授权声明本人授权南京邮电大学可y?保留并向国家有关部口或机构送交论文的复印件和电子文Jli档*;;允许论文被查阅和借阅;可将学位论文的全部或部分内容编入有关数据库进巧检索レ、可:X采用影印、缩印或扫描等复制手段保存汇编本学位论文。本文电子文档的内容和纸质
3、^。)授权南电论文的内容相致论文的公布(包括刊登京邮大学研究生院办理。。涉密学位论文在解密后适书用本授权削;研姓签知^巾签名AnalysisandImplementationofVideoRecommendationSystemBasedonWebMiningThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByLuXuSupervisor:Prof.LiangZhouFebruary2016摘要随着W
4、eb2.0技术的迅猛发展,当互联网用户面对网络大数据时,仅仅依靠数据库搜索和统计分析方法很难准确地获得用户需要的信息,信息过载反而降低了用户利用信息的效率。因此迫切地需要将待处理的数据能自动地转化为潜在有价值的信息,从而为用户需求服务。本论文分析并设计实现了一种基于Web挖掘的视频推荐系统。首先,利用采集到的用户Web日志进行分析,获取用户观看视频的行为和属性数据。该数据包括用户的注册信息、用户搜索视频的记录、用户浏览视频记录以及用户对视频的评分。然后根据用户的选择、搜索以及观看评分记录建立用户与视频项目之间的矩阵关系,即建立用户兴趣模型,从而发现用户
5、的偏好。其中,对协同过滤算法中相似度计算方法进行了改进,主动向用户推荐符合其兴趣的视频。本文具体工作和创新包括如下内容:首先,基于现有研究成果,对当前的个性化推荐系统进行分析、比较和总结,并详细介绍了当前应用最广泛的几种不同个性化推荐系统,结合Web挖掘技术对个性化视频推荐系统提出了改进。其次,在视频推荐系统中引入Web挖掘技术,同时获取用户的显式数据和隐式数据,包括用户对视频的评分记录、用户搜索视频记录,利用分类回归树建立用户兴趣偏好模型。另外,本实验系统采用的相似度计算方法,用于惩罚推荐系统中主流视频对推荐结果产生的影响。接着,针对个性化视频推荐系
6、统需求特点,分别从系统用户和系统需求功能两个方面对系统进行设计,包括详细的框架设计、系统流程图设计和数据库设计,为个性化视频推荐系统的开发流程提供了清晰的思路。最后,对基于Web挖掘的视频推荐系统进行实现与测试。实验表明,基于Web挖掘发现用户偏好信息,具有客观性,与仅仅依靠用户评分数据相比更准确、更具新颖性,还能在一定程度上缓解推荐系统中由于新用户无历史数据而导致的推荐冷启动问题,提高系统用户观看视频的体验质量(QoE)。关键词:信息过载,Web挖掘,协同过滤,推荐系统,QoEIAbstractWiththerapiddevelopmentofthe
7、Web2.0technology,it’sverydifficultforInternetuserstosimplyrelyondatabasesearchingandthestatisticalanalysistoobtaintheinformationthattheyneedwinthefaceofthenetwork’sbigdata,andtheinformationoverloadlowersusers’efficiencyofusinginformation.Therefore,itisimperativetochangedata,whic
8、hareforfutherprocess,intoinformationwithpotenti
此文档下载收益归作者所有