版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來(lái),越來(lái)越多的家庭購(gòu)買(mǎi)了智能電視并將其接入互聯(lián)網(wǎng),主要目的之一是在電視屏幕上觀看在線視頻。相比于傳統(tǒng)廣播電視服務(wù),智能電視在線視頻服務(wù)提供了更加豐富多樣的視頻內(nèi)容,并且使得視頻觀看體驗(yàn)更具互動(dòng)性和個(gè)性化,用戶(hù)可以在方便的時(shí)候選擇自己喜歡的視頻觀看。在線視頻服務(wù)的一個(gè)關(guān)鍵支柱是推薦系統(tǒng),自動(dòng)從巨大的視頻資源庫(kù)中找出比較符合用戶(hù)興趣的少數(shù)視頻。為了優(yōu)化系統(tǒng)資源配置并向用戶(hù)提供更好的服務(wù),有必要從不同方面深入理解智能電視用戶(hù)群觀看在線視頻
2、行為的特點(diǎn)和規(guī)律,分析影響推薦性能的關(guān)鍵因素,并設(shè)計(jì)有效的推薦算法。
本文以國(guó)家自然科學(xué)基金項(xiàng)目為依托,基于海信智能電視用戶(hù)觀看在線視頻的大規(guī)模日志數(shù)據(jù)以及其它基準(zhǔn)數(shù)據(jù)集,圍繞用戶(hù)行為分析和推薦系統(tǒng)展開(kāi)一系列研究。本文的主要工作和創(chuàng)新點(diǎn)如下所示:
(1)發(fā)現(xiàn)了智能電視用戶(hù)的在線視頻觀看行為在群體層面存在的一些時(shí)間模式,并分析了假期效應(yīng),以及不同視頻類(lèi)別的時(shí)間動(dòng)態(tài)性,基于此的時(shí)間劃分方式提升了時(shí)間敏感的推薦算法的視頻推
3、薦效果。
時(shí)間是影響收視行為的關(guān)鍵情境因素之一,人們?cè)谥悄茈娨暽嫌^看在線視頻的時(shí)間受到每日每周繁忙和閑暇時(shí)間周期的影響。每個(gè)家庭每天的各個(gè)小時(shí)里在智能電視上觀看在線視頻所花費(fèi)的時(shí)間被表示為24維特征向量,通過(guò)聚類(lèi)發(fā)現(xiàn)了幾種可解釋的日模式,它們的高峰時(shí)間出現(xiàn)在一天的不同時(shí)段,并與廣播電視行業(yè)的時(shí)段劃分基本對(duì)齊。根據(jù)每個(gè)家庭多天的觀看行為和幾種日模式的關(guān)系,可以區(qū)分出幾種日收視習(xí)慣,它們粗略地刻畫(huà)了不同家庭的習(xí)慣差異,同時(shí)也反映出
4、一些時(shí)段之間的相關(guān)關(guān)系。以周為單位的聚類(lèi)分析發(fā)現(xiàn)了幾種各具特點(diǎn)的周模式,它們都呈現(xiàn)出周期性,周期為24小時(shí),說(shuō)明群體的觀看行為存在某種“晝夜節(jié)律”。進(jìn)一步的統(tǒng)計(jì)分析證實(shí)了智能電視用戶(hù)群觀看在線視頻行為中存在假期效應(yīng)。另外,對(duì)不同視頻類(lèi)別的流行度在一天24小時(shí)中的變化規(guī)律進(jìn)行分析,發(fā)現(xiàn)某些視頻類(lèi)別在特定的時(shí)段內(nèi)更受歡迎?;诖藢?duì)一天的時(shí)間進(jìn)行更合理地劃分,提升了時(shí)間敏感的推薦算法的視頻推薦效果。
(2)發(fā)現(xiàn)了一種新的對(duì)智能電視上
5、在線視頻推薦性能有重要影響的用戶(hù)行為特點(diǎn)——興趣分散集中性,設(shè)計(jì)了基于物品的協(xié)同過(guò)濾的四個(gè)變種,并分析了興趣分散集中性對(duì)推薦列表的準(zhǔn)確率、多樣性和流行度的影響。
在傳統(tǒng)的推薦系統(tǒng)中,一個(gè)賬戶(hù)對(duì)應(yīng)一個(gè)用戶(hù),但是一臺(tái)電視通常對(duì)應(yīng)一個(gè)共享賬戶(hù),觀看歷史記錄來(lái)自興趣各異的多名家庭成員,因此興趣的分散集中性會(huì)影響智能電視上的視頻推薦性能。首先定義一個(gè)家庭的興趣集中度,即一臺(tái)電視上播放過(guò)的視頻之間的平均相似度,進(jìn)而區(qū)分出興趣較集中的家庭和
6、興趣較分散的家庭。然后設(shè)計(jì)了基于物品的協(xié)同過(guò)濾的四個(gè)變種,用于top-N推薦任務(wù),其區(qū)別主要在于推薦依據(jù)選擇策略和排序分值計(jì)算策略。最后通過(guò)實(shí)驗(yàn)證實(shí)興趣較分散的家庭得到的推薦列表的準(zhǔn)確率明顯低于興趣較集中的家庭,而多樣性和流行度方面的差異取決于不同算法采用的推薦依據(jù)選擇策略和排序分值計(jì)算策略。
(3)提出了一種知曉標(biāo)簽相關(guān)性的物品表示方法,緩解輸入數(shù)據(jù)和物品表示的偏見(jiàn),改善推薦效果及物品表示的可解釋性,并且設(shè)計(jì)了兩種評(píng)價(jià)指標(biāo)分
7、別從低維隱含空間中的單個(gè)維度和局部鄰域兩個(gè)視角衡量物品表示的可解釋性。
最近,物品和物品之間的共現(xiàn)關(guān)系被用來(lái)學(xué)習(xí)物品表示,然而由于用戶(hù)-物品交互矩陣的稀疏性以及物品流行度的長(zhǎng)尾現(xiàn)象,物品和物品之間的共現(xiàn)信息存在偏差。通過(guò)可視化分析發(fā)現(xiàn),輸入數(shù)據(jù)中的這些缺點(diǎn)會(huì)致使所學(xué)出的物品表示的向量長(zhǎng)度存在對(duì)熱門(mén)物品或冷門(mén)物品的偏向。由于標(biāo)簽信息比較容易從多種數(shù)據(jù)源獲取,受物品流行度的影響較小,而且富含語(yǔ)義信息,利用物品和標(biāo)簽之間的相關(guān)性信息
8、有助于克服輸入數(shù)據(jù)的缺點(diǎn),緩解物品表示的偏見(jiàn),并改善物品表示的可解釋性。具體而言,本文對(duì)用戶(hù)-物品交互矩陣、物品-物品共現(xiàn)矩陣和物品-標(biāo)簽相關(guān)度矩陣進(jìn)行聯(lián)合分解,并且在三部分之間共享物品的隱含特征表示,這樣不同形式的信息可以互相合作指導(dǎo)物品表示的學(xué)習(xí)。另外,本文設(shè)計(jì)了兩個(gè)指標(biāo)分別從兩個(gè)角度對(duì)物品表示的可解釋性進(jìn)行量化評(píng)估:低維隱含空間中各個(gè)維度的可解釋性和局部鄰域的語(yǔ)義一致性。實(shí)驗(yàn)證明,利用物品和標(biāo)簽之間的相關(guān)度信息可以提升推薦效果,用
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 移動(dòng)設(shè)備上用戶(hù)的視頻觀看行為和觀看質(zhì)量分析.pdf
- 在線視頻分割關(guān)鍵問(wèn)題研究.pdf
- 基于用戶(hù)標(biāo)簽的在線視頻廣告系統(tǒng)的研究.pdf
- 基于云計(jì)算的在線視頻推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于計(jì)劃行為理論的互聯(lián)網(wǎng)在線視頻網(wǎng)站用戶(hù)付費(fèi)行為意愿影響機(jī)理研究.pdf
- 基于信任度和用戶(hù)行為的視頻推薦算法研究.pdf
- 大規(guī)模個(gè)性化在線視頻服務(wù)的用戶(hù)隱私保護(hù).pdf
- 移動(dòng)在線視頻APP受眾分析及優(yōu)化策略研究.pdf
- 在線視頻用戶(hù)付費(fèi)態(tài)度的影響因素模型研究——基于權(quán)衡需求理論.pdf
- 中國(guó)在線視頻業(yè)融資模式研究.pdf
- 在線視頻用戶(hù)付費(fèi)態(tài)度的影響因素模型研究——基于權(quán)衡需求理論
- 面向電視節(jié)目推薦的用戶(hù)收視和微博發(fā)帖行為建模分析.pdf
- 10個(gè)在線視頻下載方法
- 在線視頻點(diǎn)播系統(tǒng)分析與設(shè)計(jì)
- 基于在線視頻用戶(hù)數(shù)據(jù)的DMP系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 目標(biāo)縮放和遮擋情形下在線視頻目標(biāo)跟蹤算法研究.pdf
- 智能電視視頻推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 智能電視端下基于主題模型的視頻推薦算法研究.pdf
- 在線視頻學(xué)習(xí)系統(tǒng)【畢業(yè)論文】
- 基于LBP和嶺回歸在線視頻人臉識(shí)別系統(tǒng)研究.pdf
評(píng)論
0/150
提交評(píng)論