导　　师： 杨灿;张永林

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 随着科技的进步和互联网技术的日益成熟,网络电视(Internet Protocol television,IPTV)服务已成功在我国广泛部署。IPTV的出现为电视领域带来了巨大的机遇,IPTV能够为用户提供大量的个性化服务并且允许用户与电视之间有更频繁多样的互动,但是在带来机遇的同时,IPTV领域同时也面临着巨大的挑战。如今的IPTV通常会向用户提供上百个直播频道,尽管电子节目指南(Electronic program guides,EPG)能够帮助用户了解每个频道的直播内容,但是用户在如此海量的直播频道中寻找自己喜欢的频道还是一件比较困难的事。因此,为了帮助用户从上百个直播频道中选取他们自己喜爱的频道,提升用户观看电视时的体验质量,本文针对网络电视的直播频道推荐进行了研究。首先,本文对观看直播频道的用户群体进行了行为分析,其中主要分析了用户的观看时长及频道之间的切换特点。接着根据用户的行为特点,提出了一种个性化IPTV实时直播频道推荐系统(personalize real-time recommendation system,prRS),该系统会每天对每个用户的网络推荐模型进行更新,以更好的捕捉每个用户的观看习惯,并在预测当天能够实时的为用户进行直播频道的推荐。本文采取了多种推荐算法来进行推荐模型的训练,其中以神经网络为主要推荐方法,分别探究了反向神经网络(Backpropagation neural network,BPNN)及长短期记忆网络(Long-short term memory,LSTM)在用户直播频道推荐中产生的效果,并且针对用户观看频道的行为提出了一种区分学习方法。此外也在真实数据集做了多组对比试验,并将推荐结果进行对比分析,分析得出当对用户进行冷热频道区分后进行推荐,推荐效果有较为明显的提升。总之,本文的主要目的是通过对多种方法进行探究,找到一个较为合适的方法来提升直播频道的推荐准确率。

关 键 词： 行为分析 推荐系统 神经网络

领　　域： []