面向IPTV的混合式自適應推薦系統(tǒng)關鍵技術研究與實現(xiàn).pdf

1、IPTV作為新一代有線數(shù)字電視產(chǎn)品，自從進入中國以來，用戶量增長迅速。根據(jù)權威機構IDC的預測，到2009年底，中國IPTV用戶量將達到460萬，而到2013年，這數(shù)字將增長到1310萬，并將進入一個井噴式的發(fā)展。
　　 IPTV的主要優(yōu)勢在于其良好的互動性。通過IPTV，用戶將在“IP機頂盒+電視機”上告別單-被動的節(jié)目接收，走向更為豐富多彩的互動數(shù)字娛樂生活。內容服務提供商可以在IPTV上提供大量高質量的數(shù)字圖像、視頻、音頻

2、、游戲、遠程教育、廣告等內容。在這種環(huán)境下，大量的信息容易讓用戶產(chǎn)生信息迷失。因此為用戶提供精準高質的個性化服務成為一種迫切的需求。目前世界范圍內對個性化服務的研究主要歸為對推薦系統(tǒng)的研究范疇。
　　 文章首先深入分析現(xiàn)有推薦系統(tǒng)算法所存在的不足，其中包括新用戶問題以及混合式過濾算法所采用的固定混合比造成的推薦質量下降等問題。作者針對這些問題展開研究討論。
　　 首先針對新用戶問題，文章提出了基于人口屬性的協(xié)作過濾算法，

3、這個算法將人口屬性信息相似度引入?yún)f(xié)作過濾算法，并和PCC計算所得相似度進行混合得到新的相似度。采用這個相似度計算最近鄰并產(chǎn)生推薦。實驗分析表明，文章提出的基于人口屬性的協(xié)作過濾在用戶評分稀少，用戶profile稀疏的時候能夠有效提高推薦質量。
　　 之后針對傳統(tǒng)混合式推薦系統(tǒng)造成推薦質量下降問題，提出了基于遞度下降的混合式自適應推薦算法。本算法引入自學習機制，讓系統(tǒng)自動調整混合式推薦系統(tǒng)的混合比。實驗表明，這個算法在一定程度上提