|
|
基于协同过滤算法的电视用户个性化推荐
|
Abstract:
为了更好地整合和利用现有的数据，提高电视节目产品营销效益，本文通过对广电网络公司电视用户的收看信息数据进行数据处理，建立用户偏好模型，得到各个用户的三个偏好类型，然后使用协同过滤算法进行单个用户的个性化推荐，以及使用K-means算法和KNN算法将用户进行分群，得到用户群的推荐，进而有效地解决了用户个性化推荐的问题。
In order to integrate and utilize
existing data better, and improve the marketing effectiveness of TV program
products, this paper processes the data of the watching information of TV users
and establishes the user preference model to obtain three preference types of
each user, and then uses the collaborative filtering algorithm to carry out
personalized recommendation of individual users. In addition, we use K-means
algorithm as well as the KNN algorithm to divide the users into groups and
obtain the recommendation of each user group, thereby effectively solving the
problem of personalized recommendation of
the users.
| [1] | 周虹君, 殷复莲, 陈怡婷, 周嘉琪, 伊成昱. Spark框架下的受众分群及矩阵分解的推荐算法研究[J]. 互联网 + 健康, 2016, 20(2): 139-141. |
| [2] | 张晓阳. 基于受众收视行为分析的电视节目编排策略刍探[J]. 企业家天地, 2011, 3(1): 187-188. |
| [3] | 高肖俊, 丁云强. 基于用户收视兴趣模型的广电客户分群及精确化营销系统建设[J]. 视听界, 2016, 3(2): 1-3. |
| [4] | 夏欢. 基于组合策略的IPTV节目推荐[D]: [硕士学位论文]. 昆明: 云南大学, 2016. |
| [5] | 沈建军. 面向互动电视的影视节目推进系统研究与实现[D]: [硕士学位论文]. 杭州: 复旦大学, 2012. |
| [6] | 钟智, 朱曼龙, 张晨, 黄樑昌. 最近邻分类方法的研究[J]. 广西师范学院, 2011, 5(1): 2-3. |
| [7] | 赵营. 基于协同过滤算法的习题推荐[J]. 科技经济导刊, 2016, 6(5): 136. |
| [8] | 李楚桐, 莫赞. 基于协同过滤算法的推荐系统研究[J]. 信息通信, 2018, 1(2): 38-39. |
| [9] | 王国霞, 刘贺平. 个性化推荐系统综述[J]. 计算机工程与应用, 2012, 48(7): 66-67. |
| [10] | 于玉龙, 王秀芳. 改进的协同过滤推荐算法[J]. 互联网 + 通信, 2016, 1(1): 12. |
| [11] | 张岩. 基于协同过滤的个性推荐算法研究及系统实现[D]: [硕士学位论文]. 北京: 北京化工大学, 2014. |
