基于用户情感分析的短视频个性化推荐研究——以抖音为例开题报告

1. 研究目的与意义

随着移动互联网的不断发展,层出不穷的短视频app为人们提供了丰富的短视频内容,充分满足了人们碎片化时间的娱乐需求,为人们带来了极大的方便。从早期的秒拍、美拍、微视、小咖秀，到后来的梨视频、火山小视频、抖音等，短视频市场竞争激烈，硝烟四起。然而，短视频行业的迅速发展也造成了信息过载问题。

面对海量的短视频，设计高效的短视频个性化推荐算法至关重要。因此，本论文拟根据短视频的特点,提出一种基于用户情感分析的短视频个性化推荐算法，并以短视频app抖音为案例进行分析。

其意义在于：（1）克服信息过载问题，改善短视频用户的使用体验。（2）提高用户黏性，增强短视频平台的市场竞争力。

2. 研究内容和预期目标

研究内容： 本文研究短视频在移动互联网背景下的产生和发展现状，通过有关案例分析短视频个性化推荐的过程及原理，针对推荐系统性能亟待提高的问题，考虑到传统的推荐算法很少意识到用户的真实情感的重要性，在传统协同过滤算法的基础上，提出了一个结合情感分析的改进的个性化推荐算法。

关键问题： 1、 分析传统的推荐算法

2、 结合现下短视频的实际情况，对协同过滤推荐的改进

3. 国内外研究现状

国外研究现状： Mohsen Ramezani Physica A(2016)^[1]提出一种基于人类行为有效检索的视频推荐系统，为了对人类动作进行建模，从每个动作中提取一些兴趣点，并且使用它们的运动信息来计算动作表示，帮助用户以有效的方式找到他们的需求，在一些系统中，附加标签用于搜索视频作为个性化推荐。不同的视图，不完整和不准确的标签等会削弱这些系统的性能。在这样的系统中，从用户获取视频以查找并向查询推荐大多数类似视频的列表。由于将大多数视频与用户联系起来，提出了一种新颖的低复杂可扩展方法，可根据所包含的动作模型推荐视频。这种方法可以求助于人类行为检索方法。为了对人类动作进行建模，从每个动作中提取一些兴趣点，并且使用它们的运动信息来计算动作表示。此外，提出了模糊相异度度量来比较视频以对其进行排名。HMDB，UCFYT，UCF运动和KTH数据集的实验结果表明，在大多数情况下，所提出的方法可以比大多数使用的方法获得更好的结果。

国内研究现状：刘东辉等(2016)^[5]提出了传统推荐算法基于时间加权的改进。由于每个人的兴趣会或多或少随时间而发生改变，因此加入时间因素可以反映用户的兴趣偏好的变化程度。何安针对数据稀疏性的问题，提出了一种组合推荐算法，把协同过滤和聚类相结合，减少稀疏性。马文峰等建立个性化推荐系统，提出增加有效措施来辅助人们有效地获取信息的重要性。国内推荐核心技术的研究更侧重于协同过滤算法，而忽略了其它类型推荐算法的研究价值。

4. 计划与进度安排

2022年11月10日至2022年11月24日：撰写、提交、修改开题报告

2022年11月25日至2022年3月25日：撰写、修改毕业论文初稿及中期检查表并提交

2022年3月27日至2022年4月17日：论文中期检查

5. 参考文献

[1] mohsen ramezani physica a.a novel video recommendation system based on efficient retrieval of human actions[j].statistical mechanics and its applications.2016(3):101

[2]shuxia pang,weifang wang, honglei zhu.a personalized video recommendation algorithm based on complex network[s].国际会议.2018

[3] symeonidis p.nanopoulos a,papad-opouls a,etal.collaborative filtering based on user trends. [j]. advances in data analysis.2007