摘要
在电信网、广播电视网、互联网三网融合的背景下,越来越多的家庭对机顶盒电视有了更高的需求.本文基于用户收视信息、产品信息,利用文本卷积神经网络进行电视产品名称的精确提取,排除了集数、时间等对电视产品名称提取的干扰;利用改进的协同过滤算法,从付费意愿等七方面确定用户特征向量,采用余弦相似度计算用户相似度矩阵以实现相似推荐,再从电视节目类型、地区、语种、主要演员四方面为电视产品贴标签,根据相同电视产品相似度实现预期型推荐.实验结果显示,本研究成果实现了相似用户的精准推荐以及预期型推荐,可推广至网络视频推荐领域.
基金项目
教育部产学合作协同育人项目(S201910216069)
NETL
NSTL
万方数据