基于用户兴趣挖掘的IPTV用户体验提升关键技术研究

发布时间：2023-09-02 09:51

　　随着宽带技术的发展,通过网络传播多媒体内容也变得越来越高效,由此带来的一个典型的应用场景就是交互式网络电视(Internet Protocol Television,简称IPTV),近年来,IPTV越来越受到用户的青睐,根据工信部最新数据显示,截至2018年6月末,基础电信企业发展的IPTV用户总数达1.42亿户,上半年净增2002万户,用户规模持续稳步增长。在这样的发展速度下,未来IPTV网络中的各类业务强调的不仅仅是传输速度、带宽等这些网络硬指标,更注重的是用户在接受这些服务过程中的整体感受和体验。基于此,在本论文中我们主要研究了基于用户兴趣挖掘的用户体验质量关键技术提升方法,论文的主要研究工作主要体现在如下三个方面:首先,基于统计学知识对数据进行预处理工作,提出了一系列数据预处理的方法,包括数据清洗、异常值判别与处理、数据归一化。然后,在对IPTV用户收看电视的行为进行分析时,提出两种对用户兴趣挖掘的建模方法,第一种是基于电视节目的标签和用户的观看时长,提出基于高斯混合模型(Gaussian Mixture Model,简称GMM)的聚类算法生成用户观看行为向量,以此来表示用户观...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题的研究背景和意义
    1.2 国内外研究概况
        1.2.1 用户兴趣挖掘研究现状
        1.2.2 用户体验质量QoE研究现状
    1.3 本文的研究内容与组织架构
第二章 相关背景知识介绍
    2.1 IPTV技术介绍
    2.2 用户兴趣挖掘技术概述
        2.2.1 基于外部信息的方法
        2.2.2 基于抽取关键词的方法
        2.2.3 基于主题模型的方法
    2.3 用户体验质量QoE概述
        2.3.1 QoE的定义
        2.3.2 QoE的评价方法
        2.3.3 QoE的预测模型
    2.4 本章小结
第三章 基于统计学的数据预处理
    3.1 数据集介绍
    3.2 数据预处理
        3.2.1 数据清洗
        3.2.2 异常值判别与处理
        3.2.3 数据归一化
    3.3 本章小结
第四章 基于用户观看行为的兴趣挖掘
    4.1 基于标签-观看时长的用户兴趣挖掘模型
        4.1.1 基于标签的用户观看行为分析
        4.1.2 基于GMM聚类算法的用户兴趣挖掘模型
        4.1.3 基于观看时长统计的用户分类算法
    4.2 基于attention-RNN的用户兴趣挖掘
        4.2.1 RNN模型
        4.2.2 基于attention-RNN的用户兴趣挖掘模型
        4.2.3 模型评估和结果分析
    4.3 本章小结
第五章 基于改进的神经网络的用户体验质量预测模型
    5.1 影响用户体验的关键因素
        5.1.1 服务层面影响因素
        5.1.2 用户层面影响因素
    5.2 人工神经网络模型
    5.3 基于改进的人工神经网络用户体验预测模型
        5.3.1 基于标签-观看时长用户兴趣特征的QoE神经网络预测模型
        5.3.2 基于attention-RNN用户兴趣特征的QoE神经网络预测模型
    5.4 模型评估与结果分析
        5.4.1 实验数据
        5.4.2 结果分析
    5.5 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 未来展望
参考文献
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间申请的专利
附录4 攻读硕士学位期间参加的科研项目
致谢



本文编号：3844972