基于鄰域特性的集群行為分析方法研究.pdf

1、隨著人民文化生活水平的提高,電視節(jié)目的數(shù)量也日漸豐富。觀眾面對海量的電視節(jié)目,通常需要花費(fèi)大量的時(shí)間和精力才能找到自已喜愛的節(jié)目。因此,觀眾需要服務(wù)提供商幫助其推薦節(jié)目,實(shí)現(xiàn)節(jié)目的快速定位,電視節(jié)目的個(gè)性化服務(wù)已經(jīng)成為了一種趨勢。隨著微博等社交網(wǎng)絡(luò)、IP TV等服務(wù)的快速普及,服務(wù)提供商可以通過分析社交網(wǎng)絡(luò)的開放數(shù)據(jù),以及IP TV的收視記錄,來更好的了解用戶的收視行為和偏好。
　　本文主要圍繞兩個(gè)數(shù)據(jù)來源,展開電視節(jié)目推薦工作:

2、微博對電視劇討論的數(shù)據(jù),以及IP TV收視記錄數(shù)據(jù)。
　　對于推薦來說,微博有以下優(yōu)點(diǎn):微博用戶的社交網(wǎng)絡(luò)好友關(guān)系,以及微博好友之間的轉(zhuǎn)發(fā)關(guān)系,使得現(xiàn)實(shí)生活中經(jīng)過好友推薦的方式可以更好的融入到社交網(wǎng)絡(luò)中;微博用戶產(chǎn)生的豐富的文本信息,不僅可以反映用戶的喜好,同時(shí)可以描繪物品的屬性?；诟怕示仃嚪纸饽Ｐ?我們提出了混合推薦模型,并提出了兩個(gè)正則項(xiàng):基于用戶信任度的正則項(xiàng)和基于物品相似度的正則項(xiàng)。其中用戶信任度來自用戶之間的好友以及轉(zhuǎn)

3、發(fā)關(guān)系,物品相似度來自討論電視劇的微博文本的相似度。我們在新浪微博數(shù)據(jù)集上實(shí)現(xiàn)了該算法。通過和現(xiàn)有算法進(jìn)行比較,我們的算法在RMSE指標(biāo)上最高達(dá)到9％的提升。此外,我們在冷啟動(dòng)的場景下,可以向新用戶進(jìn)行節(jié)目推薦,驗(yàn)證了我們的算法的有效性。
　　IP TV相對于普通電視的優(yōu)點(diǎn)在于用戶可以和電視進(jìn)行交互,用戶的觀看行為更具有個(gè)性化。服務(wù)提供商可以通過分析用戶收視紀(jì)錄產(chǎn)生的大數(shù)據(jù),來構(gòu)建節(jié)目推薦系統(tǒng)。相比于傳統(tǒng)互聯(lián)網(wǎng)應(yīng)用的推薦,IP T