科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对在线视频服务网站的个性化推荐问题,提出了一种基于用户播放行为序列的个性化推荐策略。该策略通过深度神经网络词向量模型分析用户播放视频行为数据,将视频映射成等维度的特征向量,提取视频的语义特征。聚类用户播放历史视频的特征向量,建模用户兴趣分布矩阵。结合用户兴趣偏好和用户观看历史序列生成推荐列表。在大规模的视频服务系统中进行了离线实验,相比随机算法、基于物品的协同过滤和基于用户的协同过滤传统推荐策略,本方法在用户观看视频的Top-N推荐精确率方面平均分别获得22.3%、30.7%和934%的相对提升,在召回率指标上分别获得52.8%、41%和1065%的相对提升。进一步地与矩阵分解算法SVD...
- 单位
