針對實況串流頻道的混合式興趣感知推薦系統

Abstract

近年來，隨著影音串流技術與網路的發展，透過實況平台收看即時影音變成一項熱門的活動。然而，在實況平台上同一時間有上千個頻道可供觀賞，觀眾要逐一找出自己有興趣的頻道是相當費時的。因此實況頻道的推薦系統就顯得很重要，而目前實況平台上所使用的方法過於簡易，像是推薦當前最多人觀賞的頻道，沒有考慮到使用者個人的興趣，可能造成推薦效果不佳。在本篇論文，我們提出一個混合式的興趣感知推薦系統對於使用者個人來做推薦，內容包括分析使用者興趣與協同式過濾。另外，我們發現部分使用者可能會長時間關注在特定頻道，所以我們結合了最近頻道觀賞的方法，來增進推薦的效果。最後，我們用線上的系統 Justin.tv 來驗證我們的方法推薦效果比先前提到的幾個方法更好。