论文基于IPTV的个性化推荐技术是适合不知如何写个性化方面的相关专业大学硕士和本科毕业论文以及关于个性化论文开题报告范文和相关职称论文写作参考文献资料下载。
摘 要：随着IPTV技术的迅速发展,IPTV系统为用户提供的内容也越来越丰富,用户在庞大的互动电视节目信息空间中,希望快速的找到自己喜欢的电视节目,因此,个性化推荐技术的研究和开发成为热点.论文论述了目前推荐研究方面常见的几种技术,提出了混合推荐的优越性,并指出该推荐是目前应用最广泛的技术.在论述的基础上提出了用户兴趣模型创建的方法,为开发高效的推荐系统提供了理论依据.
关键词：IPTV；相似度计算；个性化推荐
中图分类号：G20 文献标识码：A 文章编号：1672-8122（2017）06-0122-02
一、引 言
IPTV（Internet Protocol Television）全名网络协议电视,是集互联网技术、多媒体技术和通讯等多种技术于一体,使用“互联网机顶盒+普通电视机或计算机作为用户终端”,为用户提供节目直播、视频点播、手机互动、3D游戏、教育娱乐等多种交互式服务的网络电视.IPTV的节目通过广播,组播,单播等发布方式,实现了比传统电视更人性化的服务,如：互动电视、预约节目、实时的快进及计费等管理方面的功能.除此之外,IPTV还能开展和互联网相关的其它业务,如电子邮件、电子理财和网络游戏等.IPTV的发展使传统的电视用户在选择自己喜欢的节目方面有个更大的自由空间,但是,传统的电视用户,在这些海量资源中如何快速找到自己喜欢的资源,如何快速定位到自己喜欢的节目变成了一个难题,因此设计具有个性化智能推送的系统也迫在眉睫.
二、个性化推荐技术研究现状
个性化推荐就是建立用户兴趣模型,计算用户对信息的感兴趣程度,研究适合用户的个性化内容推送技术,实现将用户喜欢的内容准确的推送给用户.1995年个性化服务技术的概念被正式提出,标志性事件是在美国宾夕法尼亚州的卡内基梅隆大学,由 Robert Armstrong等人提出的一个名为Web Watcher 的系统.我国开始个性化服务研究的标志性事件是路海明提出的基于多Agent混合智能个性化推荐系统[1].随着互联网技术的发展,网民数量日益增多,《中国互联网络发展状况统计报告》中指出,截至2016年12月,我国网民数量已达7.31亿,很多领域的网民数量还出现了爆发式的增长,在这种态势下个性化推荐的研究也一定是热点.常见的推荐有购物类网站提供的商品推荐,行业类网站提供的信息推荐,视频类网站提供的视频推荐,门户类网站提供的消息推荐等.个性化推荐带来的便利使越来越多的用户加入其中,也促使越來越多的学者和技术人员参与到个性化服务系统的研究之中.因此在IPTV发展过程中,个性化推荐技术的研究具有重要的意义.
1.基于用户特性和资源特征的内容推荐
基于内容的推荐技术是信息检索领域的研究内容,该方法来源于信息获取领域,该推荐方法要为每个需要推荐的资源建立该资源的属性档案,再为每个用户构建一个用户的喜好档案,计算用户的喜好档案与资源属性档案的相似度,相似度高说明用户喜欢该资源,否则表示不喜欢该资源,根据喜好与否进行推荐.该方法要在需要推荐的资源中进行特征提取,利用加权的方法使那些显著特征具有较高的权重,参考用户的评价修改权重,并将资源的特征向量按比例加入到用户特征向量中.计算推荐的依据可以利用余弦相似度的公式来计算,余弦相似度的计算方法为：
其中：US表示用户对某资源S的喜好值,IS表示资源I中包含S的值.
基于内容推荐只利用用户特征和资源特征,因此适用于易于提取特征的文本内容的推荐.该推荐根据资源的特征匹配,而且由于是基于用户以前的兴趣,并不能为用户找到新的兴趣,所以对于新用户,没有办法根据以往的历史数据发现兴趣,因此无法做到到准确推荐[2].基于内容的推荐,如果想达到好的推荐效果只有等用户有一定的记录量后才有可能实现.基于内容的推荐系统有：ifWeb、SIFTER、WebPersonalizer、ELFI和WebACE等,这些系统的出现使基于内容的推荐研究做到到了充分的实现.
2.基于用户和项目的协同过滤推荐
协同过滤技术是目前研究比较成功也是应用较多的一种推荐技术.协同过滤技术可分为两类：一类是基于用户（User-Based）的协同过滤,一类是基于项目（Item-Based）的协同过滤.
基于用户的协同过滤基本原理是：基于用户对物品的喜好找到相邻邻居,将相邻邻居喜欢的物品推荐给当前用户[3].例如,在一个个性化推荐系统中,向用户推荐时,通过计算找到与该用户有相似兴趣的其他用户,根据邻居的相似度权重,以及他们对物品的偏好,为当前用户生成一个排序的推荐列表,这种方法为基于用户的协同过滤算法.基于用户的协同过滤算法主要包括两个步骤：
（1）找到和推荐用户相似的用户集合.
（2）在这个集合中找到用户喜欢的,且推荐用户没有的物品进行推荐.
基于项目的协同过滤和基于用户的协同过滤原理相类似,不同的是在计算邻居时不是从用户的角度,而是从项目（或称为物品）角度,即通过分析项目之间的相似性进行推荐.该推荐算法采用统计技术,找到与目标项目有相似评分的邻居项目,选择预测评分高的前若干项推荐给目标用户 [4].比如：对于物品甲,根据所有用户的历史记录分析发现喜欢物品甲的用户都喜欢物品乙,可以做到出物品甲和物品乙有很高的相似度,所以当向喜欢物品甲的用户进行推荐时,可以推断该用户可能喜欢乙,并进行推荐.
基于协同过滤的推荐从应用的角度看是现今比较成功的推荐技术之一,很多网站都采用了这种方法进行推荐,如亚马逊、当当网等.基于内容的推荐只分析资源文本内容,而基于协同过滤的推荐加入了用户对项目的评分,因此不仅能推荐除文本之外的其他资源,还避免了对资源内容表达和推荐不准确等问题,同时由于协同过滤算法是利用最近邻居进行推荐,因此有助于发现用户潜在的兴趣,这也是协同过滤技术应用较多的原因.
总结:该文是关于个性化论文范文，为你的论文写作提供相关论文资料参考。
参考文献：
1、 分析智慧旅游管理和智能推荐技术 在社会经济发展和人们生活水平提升下，人们开始追求更高品质的生活享受。加上社会科技的发展为现代旅游业发展提供了新的支撑，智慧旅游由此出现。文章结合。
2、 Amazon个性化推荐系统文本组织结构 摘 要：文章以运用个性化推荐系统进行文本推荐、拥有广泛成功实践经验的Amazon为例。集中探讨了个性化推荐系统影响下，输出文本的文本组织结构（排。
3、 基于读者个性化特征数据挖掘的图书馆书目推荐 摘 要： 传统图书馆服务缺乏个性化设置，无法充分利用资源进行准确书目推荐，为了改善这一问题，提出基于读者个性化特征数据挖掘的图书馆书目推荐系统。。
4、 学分银行平台知识汇聚和个性化推荐系统应用 【摘 要】数字化学习以其高效、便利的优势成为终身教育体系构建中极为重要的学习方式。如何在资源丰富且平台林立的信息化环境中高效地搭建既能实现个性。
5、 教育信息资源个性化推荐服务模式 【摘 要】信息环境下，海量教育信息资源与用户快速获取个性化教育信息资源之间的矛盾日益凸显，导致无处不在的学习演变为无处不在的搜索，学习者之间信。
6、 技术助力个性化教育 我最关心的两件事是教育和电脑。因此，当我发现电脑和科技对教育方法的改进如此之小后，我确实感到十分沮丧。今天，绝大多数孩子接受教育的形式，或多或少。