基于用户行为分析的IPTV推荐系统的研究

VIP免费

3.0 陈辉 2024-11-19 4 4 2.58MB 53 页 15积分

侵权投诉

摘要

IPTV 作为电视展现形态的新媒体，日益被用户所看重，成为不可阻挡的大趋

势。而作为其两大主流业务的 TV 直播服务和视频点播服务，提供的视频数量和频

道数量都相当可观。然而用户在众多的选择面前，往往不知从何下手，因而信息

的利用率大大下降，所以本文从提高信息利用率，提高 IPTV 服务质量的目的出发，

研究了应用于 IPTV 推荐系统的推荐算法。

IPTV 的两大主要业务是 TV 直播和视频点播。所以本文的工作是 TV 直播推

荐算法的研究和视频点播推荐算法的研究。具体如下：

(1) 分析用户在观看 TV 直播上的行为，提出了新的算法，通过确定目标用户

在频道爱好上的相似用户，并根据相似用户的喜好来产生 TV 直播上的推荐。

(2) 学习和研究了关联规则算法，在 Apriori 算法和 FP-Growth 算法的基础上

提出了一种更适应于视频推荐的新算法—AAFP 算法。

(3) 介绍了推荐系统在 IPTV 系统中的作用及其本身的架构，并对如何提高推

荐系统的响应速度进行了研究。

关键词：IPTV 视频点播推荐系统关联规则相似用户

ABSTRACT

As a new media form of television show, the IPTV is increasingly valued by

customers and become an irresistible trend. The broadcasting services and video on

demand services, as the two main businesses, provide a large number of videos and

channels. However, users who faced with many choices are often at lost what to do,

which greatly decreased the utilization of information. Therefore, in order to improve

the quality of services of IPTV and information utilization, this paper studies some

algorithms of the recommendation system used in the field of IPTV.

IPTV's two main business are live TV and video on demand. So the work of this

paper is to study algorithm for TV broadcast recommendation and for video on demand.

As follows:

(1) By Analyzing the behavior of users who watch TV live to design a new algorithm，

which can obtain similar user having same interest in watching TV. Then the similar

user's preferences are used to produce recommendations on the TV broadcast.

(2) Association rules are studied and the AAFP algorithm based on Apriori algorithm

and FP-Growth algorithm is proposed which is more suitable for the IPTV.

(3)Introduce the recommended system's role in the IPTV system and its own structure,

and how to improve the response speed of the recommendation system has been

studied.

Key Word: IPTV, video on demand, recommendation system,

association rules, similar users

摘要

ABSTRACT

第一章绪论 .......................................................... 1

§ 1.1 选题背景 .................................................... 1

§1.1.1 IPTV 特点 ............................................... 1

§1.1.2 IPTV 发展现状 ........................................... 1

§ 1.2 研究现状与意义 ............................................... 2

§1.2.1 推荐系统的研究现状 ...................................... 2

§1.2.2 IPTV 推荐系统研究现状 ................................... 3

§1.2.3 IPTV 推荐系统的意义 ..................................... 4

§1.3 本文研究内容及论文结构 ....................................... 4

第二章个性化推荐算法的研究 .......................................... 6

§2.1 数据挖掘概述 ................................................. 6

§2.2 推荐算法的研究现状 ........................................... 8

§2.2.1 基于规则的推荐算法 ...................................... 8

§2.2.2 基于内容的推荐算法 ...................................... 9

§2.2.3 基于协作的推荐算法 ..................................... 10

§2.2.4 混合推荐算法 ........................................... 11

§2.2.5 主要推荐算法的比较 ..................................... 11

§2.3 推荐技术面临的挑战 .......................................... 12

§2.4 本章小结 .................................................... 12

第三章 TV 直播推荐 ..................................................14

§3.1 算法设计 .................................................... 14

§3.1.1 最近邻居的确定 ......................................... 14

§3.1.2 推荐 ................................................... 22

§3.2 实验结果分析 ................................................ 22

§3.3 本章小结 .................................................... 23

第四章视频点播推荐 ................................................. 24

§4.1 关联规则算法 ................................................ 24

§4.1.1 算法的分类 ............................................. 24

§4.1.2 支持度—置信度算法 ..................................... 25

§4.1.3 Aprior 算法 ............................................ 26

§4.1.4 FP-growth 算法 ........................................ 28

§4.1.5 基于数组和 Apriori 算法的 FP-Growth 算法 ................. 30

§4.1.6 三种算法比较 .......................................... 34

§4.2 实验数据及结果 .............................................. 36

§4.3 本章小结 ................................................ 38

第五章 IPTV 推荐系统的研究 .......................................... 39

§5.1 IPTV 系统 ................................................... 39

§5.2 推荐系统 .................................................... 40

§5.2.1 系统整体架构 ........................................... 40

§5.2.2 推荐系统响应速度优化 ................................... 41

§5.3 本章总结 .................................................... 43

第六章总结和展望 ................................................... 44

§6.1 本文的主要工作 .............................................. 44

§6.2 展望 ........................................................ 44

参考文献 ............................................................ 47

在读期间公开发表的论文和承担科研项目及取得成果 ...................... 47

致谢 ................................................................ 51

第一章绪论

§ 1.1 选题背景

IPTV

]1[

是Internet Protocol Television 的英文缩写，意思是互联网协议电视，

即基于宽带的有线电视网。它集互联网、多媒体、通讯等多种技术于一体，向家

庭用户提供包括数字电视在内的多种交互式服务。用户在家中可以用两种方式来

享受 IPTV 服务：(1) 网络机顶盒+普通电视机，(2) 计算机。

IPTV 关键技术是利用计算机或“机顶盒+电视”来完成接收视频广播节目、

视频点播视频

]2[

、及网上冲浪等功能。它采用高效的视频压缩技术，使视频流传

输带宽在 800Kb/s 时可以有接近 DVD 的收视效果（通常 DVD 的视频流传输带宽

需要 3Mb/s），对今后开展视频类业务如因特网上视频直播、远距离视频点播、节

目源制作等来讲，有很强的优势，是一个全新的技术概念。

§1.1.1 IPTV 特点

IPTV 既有别于传统的模拟式有线电视，也不同于兴起不久的数字电视。因为，

模拟电视和数字电视都具有频分制、单向广播、定时等特点。尽管数字电视相对

于模拟电视有许多技术上的革新，但只是改变了信号形式，而媒体内容的传播方

式并没有真正的触及。IPTV 也不同于数据广播，数据广播通过设置一定的菜单供

用户挑选，可以实现用户与广播中心简单的互动，但还不能实现完全意义上的多

种交互式服务。

IPTV 具有的特点有：

电视点播功能：英文为 Video On Demand，简称 VOD。对存在于服务器上的

已有视频资源，用户可以根据自己的喜爱点播节目，就如在家播放 DVD 一样的随

意。

电视时移功能：可以随时将当前电视节目暂停、后退。

电视回看功能：目前 IPTV 能存储过去 48 小时内的所有节目，精彩节目想什

么时候看就什么时候看，想看几遍就看几遍。

§1.1.2 IPTV 发展现状

IPTV 作为电视展现形态的新媒体，日益被用户所看重，成为不可阻挡的大趋

势。与全球 IPTV 快速发展大趋势一样，随着国内 IPTV 试用地区的规模逐渐扩大

以及广大消费者对 IPTV 的认知程度不断提高，在用户规模总量偏小的基础上，我

基于用户行为分析的 IPTV 推荐系统的研究

国IPTV 保持了稳定快速增长态势

]3[

，IPTV 用户总数已经从 2004 年的 20 万、2007

年的 113.8 万，增长到 2009 年的 460 万．其发展历史及趋势见图 1-1：

图1-1 IPTV 发展趋势

§ 1.2 研究现状与意义

本节将从推荐系统的总体研究现状、IPTV 领域内的研究现状、以及推荐系统

的意义三方面进行阐述，关于推荐算法的综述在第二章给予介绍。

§1.2.1 推荐系统的研究现状

随着互联网的高速发展和电子商务的兴起繁荣，推荐系统逐渐成为电子商务

IT 技术的一个重要研究方向，得到了越来越多研究者的关注。计算机协会 ACM 从

1999 年开始每年召开一次电子商务的研讨会，其中关于电子商务推荐系统的研究

文章占据了很大比重；从 1999 年开始，SIGKDD 小组设立的 WEBKDD 研讨组，

主题集中在电子商务中的 Web 挖掘技术和推荐系统技术；而 ACM 下面的信息检

索特别兴趣组 SIGIR 在召开的第 24 届研究和发展会议上，开始专门把推荐系统作

为一个研讨主题；第 7届国际人工智能联合会议 IJCAI 则把 E.Business & the

Intelligent Web 作为一个独立的研讨小组；同时，第十五届人工智能会议第一届知

识管理应用会议 PAKM 等也纷纷开始将电子商务推荐系统作为研究主题。

目前，在国外已有部分电子商务系统应用了网页数据挖掘技术来提高企业的

收益。网页数据挖掘在电子商务的应用主要是在客户关系管理中，体现为客户分

析、站点自适应、交叉营销策略、客户的获取和保持、改善站点结构等几个方面。

推荐系统是网页数据挖掘在电子商务中运用的一个热点，它属于站点自适应的范

畴，国外较为突出的研究有以下几个：

(1) NEC 公司的“V5-7820"系统。

(2) IBM 公司 A.Ballman 等人研究的 SpeedTracer 系统。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要IPTV作为电视展现形态的新媒体，日益被用户所看重，成为不可阻挡的大趋势。而作为其两大主流业务的TV直播服务和视频点播服务，提供的视频数量和频道数量都相当可观。然而用户在众多的选择面前，往往不知从何下手，因而信息的利用率大大下降，所以本文从提高信息利用率，提高IPTV服务质量的目的出发，研究了应用于IPTV推荐系统的推荐算法。IPTV的两大主要业务是TV直播和视频点播。所以本文的工作是TV直播推荐算法的研究和视频点播推荐算法的研究。具体如下：(1)分析用户在观看TV直播上的行为，提出了新的算法，通过确定目标用户在频道爱好上的相似用户，并根据相似用户的喜好来产生TV直播上的推荐。(2)学习和...

展开>> 收起<<

基于用户行为分析的IPTV推荐系统的研究.pdf

共53页,预览6页

还剩页未读，继续阅读

基于用户行为分析的IPTV推荐系统的研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: