本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的視頻個性化推薦系統(tǒng)研究

  更多相關(guān)文章： 信息過載 個性化推薦 深度神經(jīng)網(wǎng)絡(luò) 自然語言處理 協(xié)同過濾

【摘要】：隨著信息化時代的到來,視頻數(shù)據(jù)量與日俱增。一方面視頻供應(yīng)商希望能獲取用戶的興趣偏好,投其所好為用戶推送他感興趣的視頻,提高用戶體驗,增強用戶對公司的粘合度;另一方面,網(wǎng)絡(luò)視頻用戶希望能從海量視頻內(nèi)容中,快速地找到自己感興趣的的視頻,減少不必要的時間開銷。正是這些迫切的需求,使得視頻個性化推薦成為了一個熱門的研究課題。在這個背景下,本文對視頻的個性化推薦算法展開了研究,并且利用深度學(xué)習(xí)在自然語言處理上的相關(guān)技術(shù),提出了兩種基于深度神經(jīng)網(wǎng)絡(luò)的視頻個性化推薦算法:1)基于深度語義模型的視頻個性化推薦算法。該算法結(jié)合了深度學(xué)習(xí)和基于內(nèi)容的推薦算法,通過構(gòu)建一個深度網(wǎng)絡(luò)模型,對視頻和用戶的本文信息進行特征提取,并在語義空間層面完成對視頻和用戶的分布式特征表示,深度挖掘用戶和視頻之間的潛在聯(lián)系,并進行視頻推薦。2)基于概率語言模型的視頻個性化推薦算法。該算法首先將用戶歷史觀看所得到視頻序列,類比成自然語言序列,將序列中的每個視頻項看做是語句中的獨立的單詞,然后結(jié)合深度學(xué)習(xí)在自然語言處理上的相關(guān)技術(shù),根據(jù)視頻與視頻之間以及用戶與視頻之間的相關(guān)性大小,構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型,得到用戶與視頻的分布式特征表示。并在此基礎(chǔ)上,利用視頻與用戶向量之間的相似性進行視頻推薦。在文中,首先通過理論推導(dǎo)分別對所提出兩種推薦算法的原理進行了詳細闡述,在理論層面分析它們的可行性。然后根據(jù)算法的相關(guān)原理,通過對采集到的視頻中的用戶歷史點擊行為數(shù)據(jù)以及視頻文本描述數(shù)據(jù)進行了實驗設(shè)計。并將所得的結(jié)果分別與TF-IDF、User CF、Item CF等算法的結(jié)果進行了對比分析。實驗結(jié)果表明,本文所提出的兩種推薦算法的結(jié)果都要優(yōu)于對比算法,都能夠較好地完成視頻推薦任務(wù)。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP183;TP391.3

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 尹路通;于炯;魯亮;英昌甜;郭剛;;融合評論分析和隱語義模型的視頻推薦算法[J];計算機應(yīng)用;2015年11期

2 楊興耀;于炯;吐爾根·依布拉音;錢育蓉;孫華;;考慮項目屬性的協(xié)同過濾推薦模型[J];計算機應(yīng)用;2013年11期

3 徐翔;王煦法;;協(xié)同過濾算法中的相似度優(yōu)化方法[J];計算機工程;2010年06期

4 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學(xué)進展;2009年01期

5 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

，

本文編號：1274399