基于神经网络的视频网站个性化推荐系统研究

基于神经网络的

视频网站个性化推荐系统研究

指导老师：徐德华教授

小组成员：

1333161 郑子浩

1333167 丁佳祺

1333168 雷巍

1333169 张国骏

1333171 孟银薇（组长）

1333173 张颖

2013年11月15日

摘要

随着互联网的飞速发展、PC和平板电脑的普及，人们可以不受空间、时间限制浏览互联网上的视频信息。但是和商务网站一样，视频网站同样面临着信息过载的问题，用户经常迷失在大量的信息空间中，无法顺利找到需要的视频信息。个性化推荐系统是解决“信息超载”问题最有效的工具之一。Netflix视频网站的设计便是围绕个性化推荐展开的，这也说明了个性化推荐系统在视频网站中的作用。本文以Netflix网站为背景，旨在探究用户空间兴趣与时间兴趣模型的基本原理，评价时空综合推荐模型在个性化推荐应用中的精准度。

本文分为三大部分共六章。首先，分析了视频网站个性化推荐系统和神经网络的研究现状，归纳总结了推荐系统的相关技术及其优缺点。其次，从空间角度提出了基于BP神经网络的最近邻用户集构建方法，缓解了协同过滤中评分矩阵稀疏性对系统推荐质量的影响。然后从时间角度详细论述了用户兴趣的动态性，提出了时间窗口和时间片的概念，解释了用户兴趣纵向规律。最后，对时空综合推荐模型进行分析和评价，阐述了其在Netflix网站中的应用。

关键词：Netflix；个性化推荐；神经网络；用户兴趣

Abstract

With the rapid development of the Internet, PC and tablet computers, people canget access to the videoinformation on the Internet, without the restriction of space and time. However, just as the business Websites, video sites are facing with the problem of information overload. Users often get lost in a lot of information, thus, they are unable to find the video information they needsuccessfully.Personalized recommendation system is one of the most effective tools to solve the problemof information overload. Netflix video site is designed based on personalized recommendations, which indicated the role of personalized recommendation system in video sites. This paper, based on Netflix website, aims to explore the basic principles of users’space interest modeland users’time interest model, and evaluatethe precisionof the application about the comprehensive personalized recommendation system.

This paper is divided into three parts and consisted of six chapters. Firstly, the recentlyresearch statuses of the video site personalized recommendation systems and neural networks wereanalyzed.At the same time, the advantages and disadvantages of the technology of the recommendation systemsare summarized. Secondly, from the point of view of space, proposed themethod of building the set of nearest neighbor users based on BP neural networks, which eases the effect of thescarcity in scoring matrix of the collaborative filtering towards the quality of the system. Thirdly,from the point of view of time,discussed in detail about the dynamics of users’ interests, proposed the concept of the time window and time sheets, and explained the longitudinal regulations of users’ interests. Finally, the comprehensive space and time model is analyzed and evaluatedand its application in Netflix website is demonstrated.

Key words: Netflix, personalized recommendation, neural networks, users’ interests

目录

摘要 I

Abstract II

第1章 绪论 - 1 -

1.1研究背景与意义 - 1 -

1.2个性化推荐研究现状 - 2 -

1.2.1 个性化推荐系统发展历程 - 2 -

1.2.2 视频网站个性化推荐系统研究现状 - 4 -

1.3 神经网络研究现状 - 5 -

第2章 推荐系统及相关技术 - 7 -

2.1推荐算法 - 7 -

2.1.1基于内容的推荐 - 7 -

2.1.2基于协同过滤的推荐 - 8 -

2.1.3基于关联规则的推荐 - 10 -

2.1.4基于效用的推荐 - 11 -

2.1.5基于知识的推荐 - 12 -

2.1.6主要推荐方法的对比 - 13 -

2.2用户兴趣模型 - 14 -

2.2.1用户兴趣的表示 - 14 -

2.2.2用户兴趣的更新 - 16 -

2.3 神经网络 - 17 -

2.3.1 人工神经网络 - 17 -

2.3.2 BP神经网络 - 19 -

2.3.3 SOM神经网络 - 21 -

第3章 基于神经网络的用户空间兴趣研究 - 23 -

3.1 用户兴趣的空间性 - 23 -

3.2基于BP神经网络的近邻用户集构建方法 - 23 -

3.2.1 BP网络方法与传统协同过滤推荐方法 - 23 -

3.2.2基于BP神经网络的近邻用户集构建方法 - 24 -

第4章 基于神经网络的用户时间兴趣研究 - 29 -

4.1 用户兴趣的时间性 - 29 -

4.2 基于时间窗口的用户兴趣DSOM分类方法 - 30 -

4.2.1 DSOM网络方法与用户兴趣时间窗口 - 30 -

4.2.2 基于时间窗口的用户兴趣DSOM算法 - 31 -

第5章 基于神经网络的时空综合推荐模型 - 33 -

5.1模型总体结构 - 33 -

5.2综合推荐模型 - 34 -

5.3推荐系统评测指标 - 36 -

5.3.1预测准确度 - 36 -

5.3.2 分类准确度 - 37 -

第6章 Netflix推荐系统 - 38 -

6.1公司简介 - 38 -

6.2推荐系统介绍 - 38 -

6.3推荐结果排序 - 41 -

第7章 总结 - 43 -

参考文献 - 44 -

本文来源：https://www.2haoxitong.net/k/doc/0ebbb67a580102020740be1e650e52ea5518ce80.html