科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着视频产业的发展,大量的视频已沉积在信息海洋中,为了缓解这种现象,越来越多的推荐算法开始应用于个性化视频推荐。然而目前的推荐算法都是以协同过滤为自主,都只注重通过评分矩阵提高捕捉用户与视频的低阶的交互,忽略了用户兴趣与视频属性的高阶关联。在这种背景下,文中通过LDA主题模型预测用户兴趣主题,引用干扰词典和关键词典来提高LDA模型对视频文本聚类的准确率,然后利用最近提出的神经协同框架建模用户兴趣和视频属性的高阶关联,把LDA模型与深度学习相结合提出了一种新的模型LIVR用于视频推荐,最后在通过网络爬虫爬取的数据集上验证并对实验结果进行分析。结果表明,该模型的Top-N推荐准确率较常见的几个深度学习模型提高了约1.9个百分点。
- 单位
