IPTV推薦系統(tǒng)的研究與實現(xiàn).pdf

1、隨著我們社會的發(fā)展，生活中已經(jīng)隨處可見互聯(lián)網(wǎng)。普通有線電視，已經(jīng)漸漸地被IPTV（Internet Protocol Television）所取代。IPTV相對于傳統(tǒng)有線電視，其內(nèi)容豐富性大大提高，與用戶交互性也大大提升。但IPTV節(jié)目的豐富性使得用戶很難找到想看的節(jié)目。而推薦系統(tǒng)在IPTV上的應(yīng)用，使得用戶尋找令其感興趣的節(jié)目的過程變得更簡單。
　　推薦算法一般來說，可以分為三種，基于內(nèi)容的推薦算法，協(xié)同過濾算法以及混合推薦算法

2、。本文提出了一種混合了基于內(nèi)容的推薦算法和協(xié)同過濾算法的IPTV推薦系統(tǒng)。IPTV節(jié)目有很多種節(jié)目類型，而用戶在每種節(jié)目上面的喜好可能有所不同，如果我們在推薦的時候，不去考慮節(jié)目類型，準確性就可能會受到影響?？紤]到多類型問題，本文基于最近鄰算法KNN（K-Nearest Neighbors）提出了一種基于內(nèi)容的推薦算法：多類型最近鄰MKNN（Multi-type K-Nearest Neighbors）算法，并采用了一種分布式和并行實現(xiàn)

3、。相應(yīng)的，本文基于正規(guī)化奇異值分解RSVD（Regularized Singular Value Decomposition）提出了一種協(xié)同過濾算法：多類型正規(guī)化奇異值分解MRSVD（Multi-type Regularized Singular Value Decomposition）。另外，本文在混合基于內(nèi)容的推薦算法和協(xié)同過濾算法時，采用了一種用隨機梯度下降法來訓(xùn)練的基于Weighted（加權(quán)平均）的自適應(yīng)Weighted算法。<