面對(duì)如何從海量視頻數(shù)據(jù)中選擇用戶喜歡的類型的這一難題,利用用戶行為數(shù)據(jù)、用戶特征數(shù)據(jù)以及視頻特征數(shù)據(jù),通過(guò)特征工程,構(gòu)造出一系列能夠反映用戶點(diǎn)擊視頻行為的特征,將這些特征結(jié)合到Lightgbm算法中,建立視頻推薦算法來(lái)提高推薦精準(zhǔn)度。實(shí)驗(yàn)結(jié)果表明,該算法能較好的識(shí)別出用戶對(duì)視頻類型的偏好,在推薦精準(zhǔn)度方面相對(duì)其他方法也有明顯的提升。

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
一、前言
二、原理與方法
    (一)GOSS(Gradient-based One-Side Sampling,基于梯度的單邊采樣)
    (二) EFB(Exclusive Feature Bundling,互斥特征捆綁)
三、 特征工程
    (一)歷史特征
    (二)穿越特征
    (三)統(tǒng)計(jì)特征
    (四)embedding 特征
四、實(shí)驗(yàn)結(jié)果與分析
    (一)評(píng)價(jià)標(biāo)準(zhǔn)
    (二)數(shù)據(jù)集描述
    (三) 算法對(duì)比
五、 結(jié)語(yǔ)



本文編號(hào)：3868687