论文部分内容阅读
互联网的高速发展使得交互式网络电视IPTV(Internet Protocol Television)在人们的日常生活中越来越普及。IPTV为用户提供了丰富的视频服务,使得人们的生活充满乐趣,但是也导致了信息过载的问题。海量的视频资源将导致用户很难在较短的时间内找到自己感兴趣的内容。因此,如何快速并准确地帮助用户寻找感兴趣的视频节目有着非常重要的意义。当前解决这一问题最有效的方法就是个性化推荐技术,选取合适的推荐算法可以实现为用户推荐他可能喜欢的视频内容。本文重点研究了面向IPTV的基于用户兴趣模型的个性化推荐技术。本文针对不同的用户群体建立了不同的用户兴趣模型,基于标签的用户兴趣模型(Tag-Based User Interest Model,简称TUIM)和基于时间-标签的用户兴趣模型(User Interest Model Based Time and Tag,简称TTUIM)。基于标签的用户兴趣模型针对于收视习惯不固定的用户群体,基于时间-标签的用户兴趣模型针对于收视习惯固定的用户群体。本文的主要研究内容包括以下几个方面:1)本文提出了基于用户兴趣模型推荐的应用系统架构—PRS(Personalized Recommendation System)。该系统基于用户兴趣模型为用户提供了量身定制的个性化的IPTV开机界面,方便用户快速找到感兴趣的视频节目。2)本文提出了基于视频标量的标签兴趣累加算法建立基于标签的用户兴趣模型。基于视频标量的标签兴趣累加算法引入视频长度标量的概念,修正了因视频长度不同造成的对用户兴趣评价的偏差。3)本文提出了基于用户收视习惯的挖掘算法建立基于时间-标签的用户兴趣模型。基于用户收视习惯的挖掘算法分析了具有不同收视习惯的家庭用户具有不同的行为模式,能够自动识别用户的工作日和休息日。本文基于某IPTV平台提供的用户收视历史数据,通过对比实验验证了改进的基于视频长度标量的标签兴趣累加算法和基于收视习惯的挖掘算法两种算法的有效性。