1、互聯(lián)網(wǎng)的發(fā)展，把人們從現(xiàn)實世界帶到了一個虛擬世界，為人類創(chuàng)造財富的同時，產(chǎn)生了很多垃圾信息，世界各地的網(wǎng)民通過自己的方式產(chǎn)生大量的信息，導(dǎo)致互聯(lián)網(wǎng)信息劇增，意味著信息爆炸社會的到來。在這么多巨量信息中，人們選擇自己想要的信息的成本將越來越高。怎樣讓人用最少的代價找到自己想要的信息，將長期成為互聯(lián)網(wǎng)的研究一個重要的課題。個性化推薦系統(tǒng)，通過學(xué)習(xí)、收集用戶的信息，為用戶提供比較精準(zhǔn)的信息推薦服務(wù)，能讓用戶花更少的代價獲取自己想要的信息，所以

2、個性化推薦系統(tǒng)是一個重要的信息傳遞工具。
　　在互聯(lián)網(wǎng)信息傳播中視頻傳播是一種重要的傳播途徑，土豆網(wǎng)從05年創(chuàng)立到現(xiàn)在，上傳的視頻總量有五千多萬，并以每天五萬個視頻的上傳速度在增加。在如此多的視頻中，用戶怎樣方便地發(fā)現(xiàn)自己喜歡看的視頻，這對用戶的網(wǎng)上沖浪體驗尤為重要。本文在現(xiàn)有的數(shù)據(jù)基礎(chǔ)上，針對土豆網(wǎng)的用戶研發(fā)一套視頻推薦系統(tǒng)稱為TDRecsys，己設(shè)計實現(xiàn)的TDRecsys推薦系統(tǒng)采用常用的協(xié)同過濾技術(shù)，將網(wǎng)站整個的視頻數(shù)據(jù)和用

3、戶行為數(shù)據(jù)作為輸入，對輸入的數(shù)據(jù)進(jìn)行數(shù)據(jù)過濾，除掉一些擾亂系統(tǒng)推薦結(jié)果的數(shù)據(jù);基于User-based和Item-based模型，通過相似度公式來計算出視頻、用戶之間的相似度;把用戶的觀看記錄，作為推薦系統(tǒng)的原始數(shù)據(jù)輸入給系統(tǒng)，并通過這些觀看記錄，推薦系統(tǒng)實時計算出用戶可能潛在喜歡看的視頻推薦給用戶。
　　本文所作的工作主要有如下幾點:
　　(1)分析土豆網(wǎng)的數(shù)據(jù)特性，提出推薦系統(tǒng)實現(xiàn)過程中常見的冷啟動、數(shù)據(jù)的稀疏度、多樣性

4、、準(zhǔn)確性等問題的解決方法。
　　(2)設(shè)計出質(zhì)量控制和VideoRank視頻排序算法，選取了能提高TDRecsys系統(tǒng)推薦準(zhǔn)確率的方法，如:數(shù)據(jù)的噪音過濾，推薦的視頻集合選取，混合推薦。
　　(3)設(shè)計實現(xiàn)了TDRecsys系統(tǒng)中的在線模塊和離線模塊，改進(jìn)了對推薦系統(tǒng)的評估方法。
　　本文工作研發(fā)的TDRecsys系統(tǒng)，已經(jīng)在土豆網(wǎng)首頁中的“推薦給我”和播放頁面中應(yīng)用，經(jīng)實際的應(yīng)用證明TDRecsys能夠有效地提高相應(yīng)