周立寒 劉亮亮 張再躍 張曉如
(1.江蘇科技大學計算機學院 鎮江 212000)(2.上海對外經貿大學統計與信息學院 上海 201620)
隨著互聯網技術的不斷進步,人們生產、傳播信息的能力大大加強,單是視頻行業的崛起已帶來爆炸式增長的數據。而且根據我國實際情況,這一趨勢還存在非常大的發展空間。海量的視頻資源使得用戶無法迅速、準確地從中獲取自己想要的視頻信息,這無形中降低了用戶的滿意度。為解決此類視頻資源過載問題,越來越多的個性化視頻推薦服務不斷出現[1],各大視頻服務平臺引入推薦算法這一需求迫在眉睫。個性化推薦算法對用戶歷史的瀏覽與操作記錄進行深入分析,可以為用戶找出符合其預期的視頻資源,給予用戶一個舒適的網站操作體驗[2]。如今許多視頻服務平臺均通過推薦算法來對平臺改造,使其滿足個性化需求。例如,國外知名的YouTube 視頻網站主要采用基于用戶和協同過濾相結合的混合推薦算法[3],且目前不斷往深度學習領域發展。國內比較火的抖音主要采用基于社會網絡和信息流的推薦[4]。
但是,在現實生活中,傳統協同過濾算法由于僅考慮用戶對視頻的評分信息,而不考慮用戶其他具體行為和視頻資源特征,導致算法仍存在推薦質量低的問題。再者,由于評分矩陣的極度稀疏性,推薦結果存在較大偏差[5]。不僅如此,傳統推薦算法還存在擴展性和冷啟動等問題。在深入研究相關算法后,本文提出一種基于用戶偏好和視頻特殊標簽的推薦算法,該算法從用戶行為數據以及視頻標簽兩方面來進行考量。……