随着信息技术、移动终端技术的发展和电子支付方式的普及，电子商务发展迅速。如何为用户有效地推荐所需商品或服务是每个电子商务网站面临的重要问题。对于一个视频服务网站来说，其视频数据量非常大且增长迅猛，面对如此繁冗的信息，用户想要寻找满足自己需求的视频，就不得不投入很大的精力和时间。为了实现视频快速、高效、精准地在内容提供商与目标用户间交互，个性化推荐系统应运而生。传统的视频推荐基于视频标题、简介等相关属性以及用户对于视频的评论进行了研究，而对于观看者的个性化因素关注不够。如何在推荐技术中考虑用户的个性化因素，是提高视频推荐效率的重要研究问题。本文对基于视频观看者的个性化信息的视频推荐技术进行研究。首先介绍了视频网站个性化推荐系统的发展背景和研究现状，基于目前网上的公开数据集没有评价标准的问题，利用调查的方法建立了实验数据集，在对该数据集进行系统分析的基础上，提出了基于观看者个性特征的视频推荐方法。从两个方面描述观看者的个性化特征，一是不同观看者之间兴趣相似性特征；二是观看者个人的喜好特征。针对上述个性化特征，提出了基于观众兴趣相似性的视频推荐方法和基于用户个人喜好的视频推荐方法。利用建立的数据集验证了提出的个性化视频推荐方法的有效性。最后，对目前方法存在的问题进行了反思，对未来工作进行了展望。
目录
摘要1
关键词1
Abstract2
Key words2
绪论3
研究背景和意义3
国内外研究现状3
1．国外研究现状3
2.国内研究现状4
（三）主要工作和创新点4
（四）论文结构4
二、相关技术介绍5（一）个性化推荐系统的含义5
（二）个性化推荐系统的架构5
1．数据收集 5
2.推荐算法5
3.推荐结果生成5
（三）传统推荐算法6
1.基于内容的推荐系统6
2.协同过滤推荐6
3.混合推荐7
三、基于用户之间兴趣相似性的电影推荐方法7
（一）用户兴趣模型8
（二）用户兴趣相似度模型及其计算方法8
（三）基于用户兴趣相似度的预测 *景先生毕设|www.jxszl.com +Q: ^351916072^ 
方法8
1.取单个用户的兴趣相似度参照8
2.取多个用户的兴趣相似度参照9
（四）实验及其结果9
1.实验结果9
2.实验结果对比10
（五）实验结果分析11
四、基于个性化兴趣的视频推荐方法11
（一）方法的提出11
1.用户兴趣具有相对稳定性11
2.用户观影兴趣的获取11
（二）基于用户兴趣的推荐方法12
1.基于电影类型的用户兴趣模型12
2.基于用户兴趣的电影推荐方法12
（三）实验与评价12
1.实验数据12
2.实验结果及分析12
五、总结与展望14
致谢15
参考文献16
附录一 用户调查表17
附录二 用户调查结果表19附录三 基于用户兴趣相似度的推荐方法计算表27附录四 基于用户喜好度画像的推荐方法计算表30
附录五 基于用户个人喜好度的推荐方法计算表32附录六 用户没有看过的电影推荐度情况34
针对视频网站的个性化推荐方法研究
引言
一、绪论
（一）研究背景和意义
随着互联网技术、移动通信技术和电子支付技术的发展，电子商务日益普及，网上购物日益成为一种重要的购物方式，对国家的经济发展和人们的消费模式产生了重要而深远的影响。例如目前淘宝、京东等大型的综合性网上购物网站得到越来越多的人的认可和青睐，同时一些面向特定类型商品（房地产、汽车租赁、影视观赏等）的电子购物或服务网站也如雨后春笋般出现。如何引导、促进电子商务的发展成为一个重要的研究课题。人们的购物体验是影响电子商务发展的重要因素之一，包括人们如何快速、高效地发现自己所需要的高性价比的产品、所享受的服务质量等。由于互联网在给予用户丰富的信息资源的同时，由于数据、信息过多，也不可避免的出现了信息过载的情况[1]。因此，如何帮助用户从大量数据中快速找到有价值的、自己感兴趣的信息成为一个至关重要的问题[2]，而信息推荐是网上商家销售产品的重要方式之一，如何提高商品推荐的质量也成为影响电子商务发展的重要方面。
在视频观赏领域，随着人们文化生活的不断丰富，越来越多的人选择通过网络来观看各种视频，包括电视节目、电影以及各种娱乐视频等。根据中国互联网协会正式发布的《中国互联网发展报告2018》，截至2017年底，中国网民规模达7.72亿人，网民人均周上网时长为27个小时，浏览网上视频的频率在所有网络活动中仅次于社交应用软件的使用，占据第二位，而使用时间却远大于社交应用软件。仅2017年7月一个月内，中国网民总计花费了43.8亿小时来浏览视频网站[3]。这些数据彰显了中国视频网站的巨大发展潜力。
对于喜欢观看视频的用户来说，在众多视频网站的大量视频中寻找自己感兴趣的视频信息，会耗费一定的时间和精力。另外，当一部新的视频在视频网站出现的时候，某个用户并不知道这个信息，因此也就无法通过网站提供的视频检索工具查找这部影视作品，而这部作品可能正好是该用户所感兴趣的，这种情况无论对于用户还是视频服务商都是一个损失。因此，如何帮助用户更快地知晓、更准确地找到自己心仪的视频内容，让提供商更好地投放、推荐自己的视频信息，以实现其视频资源内在价值的最大化，成为了各个视频网站的首要目标[4]。
本文拟以视频推荐为应用背景，针对视频网站的个性化推荐问题，研究基于用户个性化信息的视频推荐模型和相关算法，提出解决方案。并期望相关成果能够扩展推广到更多的电子商务领域，为我国的电子商务的发展做出一点贡献。
国内外研究现状
国外研究现状
在1995年3月的美国人工智能协会上，由卡耐基.梅隆大学的Robert Armstrong等人首次提出了个性化导航系统Web Watcher，该系统充分体现了个性化推荐系统的性能，并受到高度认可，因此被广泛认为是首个出现的个性化推荐系统。在同届会议上斯坦福大学的Marko Balabanovic等人也推出了个性化推荐系统LIRA。由此，个性化推荐系统开始蓬勃发展。
1996年，Yahoo在其网站中引用了个性化推荐技术，推出了网站个性化入口My Yahoo，其创造性地运用了手工定制建模，即用户自己手工输入感兴趣信息的关键词或选择感兴趣的栏目，成为了用户手工定制的代表[5]。

原文链接：http://www.jxszl.com/jmgl/dzsw/562960.html