基于张量分解的IPTV用户行为建模与节目个性化推荐研究

《基于张量分解的IPTV用户行为建模与节目个性化推荐研究》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、分类号：ＴＰ３９１学校代码：１０６９７密级：２０１５２０９６９：公开学号＿…ｄ士字位论文ＭＡＳ’ＴＥＲＳＤＩＳＳＥＲＴＡＴＯＮＩ某于张量分解的ＩＰＴＶ用户行为建模与节目个性化推荐研究学科名称：计算机应用技术作者：王华指导老师：尹小燕副教授西北大学学位评定委员会二〇一八年六月摘要摘要随着电信网络、有线电视网络以及计算机网络的相互渗透与逐渐融合，交互式网络电视（InternetProtocolTelevision，IPTV）应运而生。IPTV节目的精准推荐为用户收视体验质量(Q

2、ualityofExperience，QoE)的保证。面对海量IPTV节目，如何快速定位感兴趣元素，从而避免信息过载问题，亟待研究。传统的节目推荐方法无法适用于IPTV节目推荐。原因在于：传统的推荐方法主要是研究用户与节目间的关系，未考虑用户在不同时间的收视行为，并且观看IPTV为家庭行为，即在不同时间观看电视的家庭成员可能不同，单个用户在不同时间观看电视的兴趣亦不同，同时需解决用户收视数据稀疏的问题。因此，为了实现IPTV节目的个性化推荐，必须剖析IPTV用户的收视行为，挖掘用户、IPTV节目与观看时段间的潜在关系。本文以IPTV节

3、目的个性化推荐为应用背景，立足IPTV节目推荐面临的多重挑战，对IPTV节目的个性化推荐展开了较为系统的研究，主要的工作成果体现在以下几个方面：（1）为实现IPTV节目的个性化精准推荐，提出了结合观看时长、观看时段与服务类型等特征的用户收视偏好模型。基于用户的历史收视日志，分析IPTV的节目类别、节目播放时长、用户观看时间段及观看时长的内在联系，对用户的忠诚度、兴趣度与偏好程度进行深度感知，构建用户的收视偏好模型。（2）为提升IPTV用户的观看体验，提出了兼顾时间上下文与隐式反馈的节目推荐方法TCIF。基于Tucker分解模型，结合时

4、间上下文与用户收视偏好模型，挖掘用户、电视节目类别和观看时段三者之间的潜在关联，预测用户对各类节目的偏好程度，实现面向IPTV用户的个性化推荐。（3）为刻画群组对IPTV用户的影响，提出了融合地域特征与群组偏好的节目推荐方法RCGP。将用户的住址分为市区、县城、乡镇、村庄四个类别，并结合用户的收视偏好模型对用户进行聚类。在张量分解模型中嵌入额外的约束，以降低张量的稀疏性。最后采用分层次张量分解，兼顾用户的收视偏好特征与所在群组的收视偏好特征，实现IPTV节目的个性化推荐。另外，本文用户行为建模与推荐方法的研究以及性能评价均基于真实用户

5、收视数据集。将本文所提出的兼顾时间上下文与隐式反馈的节目推荐方法与现有的算法进行I西北大学硕士学位论文比较，实验结果表明兼顾时间上下文与隐式反馈的节目推荐方法准确性优于其他算法约10%，同时也保持了较高的覆盖率、多样性以及新颖度。本文对所提出的两种推荐方法的性能与推荐效果进行比较，实验结果表明融合地域特征与群组偏好的节目推荐方法的准确度较兼顾时间上下文与隐式反馈的节目推荐方法至少提高13%，且大幅节省了内存空间的消耗。关键词：IPTV，节目推荐，个性化，收视行为，张量分解IIABSTRACTABSTRACTWiththemutualp

6、enetrationandgradualintegrationoftelecommunicationnetworks,cabletelevisionnetworksandcomputernetworks,theInternetProtocolTelevision(IPTV)emerged.TheaccuraterecommendationofIPTVprogramsguaranteesthequalityofexperience(QoE)forusers.FacingalargenumberofIPTVprograms,howtoqu

7、icklylocatetheinteresttoavoidinformationoverloadissuesisurgentlyresearched.TraditionalprogramsrecommendationmethodscannotbeappliedtoIPTVprogramsrecommendation.Thereasonisthatthetraditionalrecommendationmethodsaremainlytostudytherelationshipbetweenusersandprograms,withou

8、tconsideringtheuser'sviewingbehavioratdifferenttimes.WatchingIPTVisafamilybehavior,thatis,thememberswatchingTV