基于數(shù)據(jù)挖掘的視頻推薦系統(tǒng)建模研究.pdf

1、視頻類業(yè)務以其生動形象的展示形式，受到各種網絡環(huán)境的追捧。不管是以視頻立足的廣播電視網，還是本不涉及視頻業(yè)務的電信網，以及快速發(fā)展的互聯(lián)網，視頻類業(yè)務均是當前的發(fā)展重點。面對爆炸式增長的視頻業(yè)務及內容，信息過載常常導致用戶無所適從，視頻推薦技術應運而生。它為用戶帶來個性化的內容展示與引導，為網絡及視頻內容運營商帶來可見的經濟效益。
　　本文在分析了當前視頻推薦系統(tǒng)發(fā)展現(xiàn)狀及其關鍵技術基礎上，分別以基于關聯(lián)規(guī)則和基于語義標簽兩條思路

2、進行視頻推薦系統(tǒng)的建模研究。
　　基于關聯(lián)規(guī)則的視頻推薦系統(tǒng)建模研究以發(fā)現(xiàn)項目之間潛在的關聯(lián)性為出發(fā)點，這可以是視頻資源本身的關聯(lián)性，也可以是用戶之間的關聯(lián)性。資源之間的關聯(lián)性研究可以發(fā)現(xiàn)與目標用戶已觀看的資源關聯(lián)性較強的其他資源，并以此形成推薦；用戶之間的關聯(lián)性研究則是利用與目標用戶關聯(lián)性較強的其他用戶的觀看歷史為基礎形成推薦。在關聯(lián)性研究的基礎上，本部分的研究內容還將基于用戶關聯(lián)性研究結果，改進Slope One評分預測方法，

3、并以評分預測的形式進行視頻推薦系統(tǒng)建模研究。
　　基于語義標簽的視頻推薦系統(tǒng)建模研究，需要為視頻資源設計能夠有效表示視頻資源特征的語義標簽，在此標簽信息基礎上對資源進行特征建模以及對用戶進行興趣度建模。同時，融合三種推薦方式，分別是基于資源聚類的推薦，基于用戶聚類的推薦和基于興趣度距離的推薦，以此組合推薦模型的方式揚長避短，以取得更好的推薦效果。
　　本文研究的推薦系統(tǒng)模型具有較強的工程意義，其主要價值及創(chuàng)新點在于：