论文部分内容阅读
【目的/意义】用户画像深刻地描述了视频用户的个体和群体行为特征，为视频的个性化推荐服务提供参考。【方法/过程】通过文本挖掘对爬取的视频、用户及其观影数据分析，构建单个用户画像，并通过K-Means和LDA模型对用户聚类并提取主题，挖掘群体用户特征。基于用户画像和时间指数衰减的视频兴趣标签，并结合视频喜爱度和协同过滤，进行视频推荐。【结果/结论】通过对用户兴趣的刻画，推荐视评分达0.87，有助于提高用户对网站的忠诚度。限于网络爬虫的限制，实验数据量有一定的局限性，且特征提取兴趣范围有限。考虑时间指数衰减的个性化推荐，提高了系统对用户兴趣的认知，结合视频喜爱度，可提高用户对网站的活跃度和忠诚度。