作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
智能推荐算法以其精准、高效和对大数据的处理能力而被各大平台网站或手机APP普遍采用,这些推荐算法通过追踪用户行为和个人信息,自动实现对不同用户的精准推送,这在一定程度上提升了用户体验和推荐质量,但同时也存在着一些潜在问题:由于智能算法不能直接读懂电影本身,在提取电影的特征属性加以“向量化”的过程中,依赖于人工标注的文本,且存在一定的物化倾向;同时,在推荐的过程中会因相似用户行为的协同过滤,或反复推送与用户之前的选择相类似的内容,导致内容的同质化;算法中普遍搁置了人的兴趣衰减问题,而是通常默认观影者会长期保有特定偏好;另外,推荐算法作为一种“规则”,其背后隐藏的是“权力”,其价值尺度的“正义性”经常被搁置或规避.
推荐文章
大数据背景下的油画破损区域修复算法设计
大数据
油画破损
峰值分布
像素
修复
算法设计
大数据背景下的个性化智能教学系统设计
大数据背景
个性化
智能教学系统
影像传感器
激光反馈装置
系统反应时间
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 大数据背景下电影智能推送的“算法”实现及其潜在问题
来源期刊 当代电影 学科
关键词 推荐算法 向量化 权重 价值
年,卷(期) 2019,(5) 所属期刊栏目 电影产业
研究方向 页码范围 64-70
页数 7页 分类号
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王晓通 10 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (12)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
推荐算法
向量化
权重
价值
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
当代电影
月刊
1002-4646
11-1447/G2
大16开
北京市海淀区小西天文慧园路3号
2-760
1984
chi
出版文献量(篇)
7646
总下载数(次)
35
总被引数(次)
32147
论文1v1指导