导读:本文包含了用户喜好论文开题报告文献综述及选题提纲参考文献，主要关键词:新媒体营销,短视频形式,发展规律
用户喜好论文文献综述
高文婷[1]（2019）在《用户喜好影响下的短视频应用规律初探》一文中研究指出目前,短视频作为一种新媒体的载体被很多的用户看重,不仅仅是没有商业目的的用户,很多的企业用户愿意选择短视频的形式来宣传自己,这样的形式更易于接受和转发,短视频这种万能容器究竟为什么能够发展得如此迅速?短视频如何应用于各大门户App和网站上是一个值得研究的问题。(本文来源于《科技传播》期刊2019年20期）
李芳芳[2]（2018）在《基于TF-IDF改进算法和喜好度的视频用户分类》一文中研究指出随着大数据和多媒体产业的迅速发展,既催生了一批新兴产业,也深刻的改变了人们的生活习惯和精神文化需求。以网络视频为代表的新兴事物在短短几年内发展突飞猛进,由于其丰富的信息表达形式和快捷的信息传递渠道,正吸引着越来越多的用户。然而,网络视频数据拥有丰富的内容、巨大的数量以及多样化的机构,给用户检索带来极大的挑战,用户越来越难在短时间内从海量的视频数据中挑选出自己真正喜欢的视频。本文根据用户对视频的喜好度作为特征值,对用户特征进行分析,建立视频用户年龄分类模型,此模型适合运营商将信息准确地推荐给视频用户,同时也可提高网络视频的竞争力。本文主要研究基于TF-IDF改进算法和喜好度的视频用户分类,主要工作如下:1.研究了Spark计算平台的相关的理论和技术,在Spark运算框架上,使用朴素贝叶斯,TF-IDF和改进了的TFC-IDFC分类算法,以用户观看视频及喜好度信息作为特征项,分别训练不考虑特征项权重的朴素贝叶斯、TF-IDF权重和改进的TFC-IDFC权重的情况下,用户在的年龄区间的分类模型,用正确率和FI值对比此模型的分类效果。2.将年龄离散化和标签化,并且对获取的数据进行处理,将数据设置成空间向量模型。3.目前在研究用户对视频的喜好程度时,一般都是基于视频的点击次数,然而,点击的次数其实不能完全体现用户对视频的喜好程度,无意识无目的的无效点击、炒作点击等都无法说明用户对该视频的喜好。本文是基于用户观看视频的时长和视频的实际时长信息来计算用户喜好程度,是一种相对精确地计算用户喜好度的计算方法。4.传统的TF-IDF算法并没有考虑到特征项在类内和类间的偏斜分布特点,提出了改进的TFC-IDFC算法,通过正确率和F1值评价指标对以上叁种分类算法进行了对比,证明了加权的分类算法比不加权的算法分类效果要好,改进的TF-IDF算法比传统的TF-IDF算法分类效果更优。(本文来源于《天津工业大学》期刊2018-01-20）
钟亮[3]（2016）在《用k-最近邻和贝叶斯分类预测图书用户喜好》一文中研究指出将用户兴趣爱好、书籍受欢迎程度和用户对书籍的评价等参数组成差异性矩阵,确定各参数影响权重、建模计算用户对书籍的评分,融合采用k-最近邻分类法和朴素贝叶斯分类法来分类过滤数据,设计实现一种数字图书用户喜好预测算法。实验结果表明,该算法提高了数字图书个性化推荐精度。(本文来源于《信息技术》期刊2016年09期）
钟庆[4]（2016）在《基于喜好标签的移动互联网用户行为分类研究》一文中研究指出提出一种基于移动互联网个体用户的实际行为得出其喜好标签,据此将同类信息推送给个体用户的方法,该方法能够实现精确推送,因此推送的内容更加容易被用户接受,从而商业价值性价比更高。首先阐述了个体用户实际行为数据的提取方法,比较了各方法的优缺点;其次提出了一种固定质心的k-means文本聚类方法,能够快速、准确地实现用户喜好标签分类;最后分析了精确营销模式以及后续的研究方向。(本文来源于《移动通信》期刊2016年09期）
雷建云,何顺,王淑娟[5]（2015）在《一种改进的基于用户项目喜好的相似度度量方法》一文中研究指出针对传统的基于用户共同评分的相似度度量方法不能很准确地衡量用户间的相似性问题,提出了一种基于用户项目喜好的相似度度量方法.实验结果分析表明:使用新度量方法的协同过滤算法较使用传统度量方法的协同过滤算法有更小的平均绝对误差,证明了新的度量方法可以提高推荐的质量.(本文来源于《中南民族大学学报(自然科学版)》期刊2015年04期）
钟亮[6]（2015）在《预测用户喜好的数字图书个性化推荐原型系统设计研究》一文中研究指出随着计算机网络和海量信息挖掘技术的快速发展,个性化推荐技术的出现顺应了数字图书用户个性化服务的需求。本文研究数字图书用户喜好预测模型和算法实现,设计实现数字图书个性化推荐原型系统。本文将用户兴趣爱好、书籍受欢迎程度和用户对书籍的评价等参数组成差异性矩阵,确定各参数影响权重,建模计算用户对书籍的评分,混合运用κ-最近邻分类法和朴素贝叶斯分类法来分类过滤数字图书数据,研究实现预测用户喜好的数字图书个性化推荐算法,并进行实验性能分析。基于Windows平台、Myeclipse和MySQL开发工具,采用Java语言编程,利用数字图书用户喜好预测算法,设计实现一个数字图书用户个性化推荐原型系统。该系统混合采用κ-最近邻和朴素贝叶斯分类法对数字图书进行筛选和搜索,提高了数字图书查找和推荐的准确性。实验结果表明,将内容过滤和个性化推荐相结合可以更好地掌握用户的行为模式、使用习惯和兴趣爱好,提高数字图书个性化推荐精度,使系统拥有“自学习”能力。(本文来源于《广西大学》期刊2015-11-01）
郭文杰,张应辉,郑东[7]（2015）在《云存储中支持词频和用户喜好的密文模糊检索》一文中研究指出为在云计算环境下实现具有隐私保护的数据检索,设计支持词频和用户喜好的多关键词模糊搜索方案.该方案采用布隆过滤器,在文件索引的建立过程中嵌入词频信息,在查询向量的生成过程中嵌入用户喜好信息,并基于局部敏感哈希函数实现关键词的模糊检索.在数据搜索过程中,该方案允许授权用户输入多个关键词,并对每个关键词设定相应的权重,即使关键词存在误差,也可准确地返回相关数据.安全性分析表明,该方案在已知密文模型的条件下是安全的,可保护查询关键词和陷门信息不被云存储服务器获取.(本文来源于《深圳大学学报(理工版)》期刊2015年05期）
刘云香,张金[8]（2015）在《改进的Apriori算法在用户WAP上网的喜好数据挖掘系统中的研究与应用》一文中研究指出Apriori作为典型的关联规则算法,在数据挖掘中起着重要作用。针对常见的Apriori算法运行效率较低、且关联规则需要人工干预才能应用到营销推广的情况,从数据集记录合并和使用记录标签过滤数据集两方面对Apriori算法进行改进以提高其效率,同时提出了一种可行的关联规则与营销推广模块灵活衔接的方法,并在B/S架构的数据挖掘系统中得到了较好应用。(本文来源于《电脑知识与技术》期刊2015年16期）
王中友,肖鹰,吴哲夫[9]（2015）在《基于用户喜好的个性推荐系统优化》一文中研究指出采用协同过滤方式的传统推荐系统具有一定实用性,但也存在未考虑用户个性喜好的问题。为提高推荐精度,特别针对用户个性化特点和需求,提出了采用改进相似度计算和回归分析方法对协同过滤推荐进行系统优化。实验结果表明,优化算法可明显改善系统的推荐效果,并加强基于协同过滤推荐的有效性。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2015年03期）
汪保友,钱晶[10]（2015）在《4G用户终端喜好分析》一文中研究指出根据某地中国联通4G业务的营销数据,分析了4G业务营销活动类型分布以及合约购机用户的套餐分布。同时,针对合约购机用户,分析了4G用户的终端品牌与终端机型偏好,从中可看出移动终端行业的发展态势和市场占有率情况,可为移动终端行业的发展以及运营商进一步做好营销工作提供有益的数据支撑。(本文来源于《互联网天地》期刊2015年01期）
用户喜好论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着大数据和多媒体产业的迅速发展,既催生了一批新兴产业,也深刻的改变了人们的生活习惯和精神文化需求。以网络视频为代表的新兴事物在短短几年内发展突飞猛进,由于其丰富的信息表达形式和快捷的信息传递渠道,正吸引着越来越多的用户。然而,网络视频数据拥有丰富的内容、巨大的数量以及多样化的机构,给用户检索带来极大的挑战,用户越来越难在短时间内从海量的视频数据中挑选出自己真正喜欢的视频。本文根据用户对视频的喜好度作为特征值,对用户特征进行分析,建立视频用户年龄分类模型,此模型适合运营商将信息准确地推荐给视频用户,同时也可提高网络视频的竞争力。本文主要研究基于TF-IDF改进算法和喜好度的视频用户分类,主要工作如下:1.研究了Spark计算平台的相关的理论和技术,在Spark运算框架上,使用朴素贝叶斯,TF-IDF和改进了的TFC-IDFC分类算法,以用户观看视频及喜好度信息作为特征项,分别训练不考虑特征项权重的朴素贝叶斯、TF-IDF权重和改进的TFC-IDFC权重的情况下,用户在的年龄区间的分类模型,用正确率和FI值对比此模型的分类效果。2.将年龄离散化和标签化,并且对获取的数据进行处理,将数据设置成空间向量模型。3.目前在研究用户对视频的喜好程度时,一般都是基于视频的点击次数,然而,点击的次数其实不能完全体现用户对视频的喜好程度,无意识无目的的无效点击、炒作点击等都无法说明用户对该视频的喜好。本文是基于用户观看视频的时长和视频的实际时长信息来计算用户喜好程度,是一种相对精确地计算用户喜好度的计算方法。4.传统的TF-IDF算法并没有考虑到特征项在类内和类间的偏斜分布特点,提出了改进的TFC-IDFC算法,通过正确率和F1值评价指标对以上叁种分类算法进行了对比,证明了加权的分类算法比不加权的算法分类效果要好,改进的TF-IDF算法比传统的TF-IDF算法分类效果更优。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
用户喜好论文参考文献
[1].高文婷.用户喜好影响下的短视频应用规律初探[J].科技传播.2019
[2].李芳芳.基于TF-IDF改进算法和喜好度的视频用户分类[D].天津工业大学.2018
[3].钟亮.用k-最近邻和贝叶斯分类预测图书用户喜好[J].信息技术.2016
[4].钟庆.基于喜好标签的移动互联网用户行为分类研究[J].移动通信.2016
[5].雷建云,何顺,王淑娟.一种改进的基于用户项目喜好的相似度度量方法[J].中南民族大学学报(自然科学版).2015
[6].钟亮.预测用户喜好的数字图书个性化推荐原型系统设计研究[D].广西大学.2015
[7].郭文杰,张应辉,郑东.云存储中支持词频和用户喜好的密文模糊检索[J].深圳大学学报(理工版).2015
[8].刘云香,张金.改进的Apriori算法在用户WAP上网的喜好数据挖掘系统中的研究与应用[J].电脑知识与技术.2015
[9].王中友,肖鹰,吴哲夫.基于用户喜好的个性推荐系统优化[J].杭州电子科技大学学报(自然科学版).2015
[10].汪保友,钱晶.4G用户终端喜好分析[J].互联网天地.2015