基于混合方法的個(gè)性化視頻推薦技術(shù)研究與實(shí)現(xiàn).pdf

1、在過去近十年里,視頻點(diǎn)播服務(wù)(video-on-demand, VoD)以驚人的速度變革著人們獲取信息的方式?；ヂ?lián)網(wǎng)上的視頻內(nèi)容激增至了一個(gè)前所未有的水平,但同時(shí)也帶來了信息過載問題。個(gè)性化推薦技術(shù)作為一種非常有前景的信息檢索技術(shù),已被廣泛地應(yīng)用于工業(yè)界解決此問題,并在學(xué)術(shù)界也保持著十分高的研究熱度。
　　通過對(duì)現(xiàn)有個(gè)性化推薦系統(tǒng)的研究和分析,發(fā)現(xiàn)不管是廣泛應(yīng)用的協(xié)同過濾方法還是基于內(nèi)容的方法,都存在著不同的局限性。進(jìn)一步研究還發(fā)

2、現(xiàn),與用戶體驗(yàn)高度相關(guān)的推薦實(shí)時(shí)性和多樣性問題極少被學(xué)術(shù)界討論或研究。受到以上觀察的啟發(fā),提出了一種視頻關(guān)系網(wǎng)構(gòu)建和個(gè)性化推薦相分離的框架。該框架首先綜合利用用戶觀看日志、視頻元數(shù)據(jù)和視頻主題三種數(shù)據(jù),在Hadoop Map-Reduce上混合構(gòu)建統(tǒng)一的視頻關(guān)系網(wǎng)絡(luò)。該圖的邊權(quán)重,即視頻間相關(guān)性,是由協(xié)同過濾相關(guān)性、基于內(nèi)容的相關(guān)性和基于自動(dòng)分類的相關(guān)性組合得來的;個(gè)性化推薦邏輯則交由實(shí)時(shí)推薦服務(wù)器實(shí)現(xiàn)。該服務(wù)器實(shí)時(shí)地并發(fā)處理攜帶用戶種

3、子視頻的推薦請(qǐng)求,從種子出發(fā)在視頻關(guān)系網(wǎng)中搜索候選推薦視頻,并評(píng)估候選者與種子集的相關(guān)性。為了盡可能多地覆蓋用戶的不同興趣,它還在生成推薦索引前限制從同一種子衍生出的推薦視頻個(gè)數(shù)。
　　在Netflix公同數(shù)據(jù)集上的實(shí)驗(yàn)表明,本框架的平均信息查全率(recall)達(dá)到9.92％,顯著地超越了其他所有模型。在擁有良好recall的同時(shí),它的平均信息查準(zhǔn)率(precision)還高達(dá)26.33％,僅次于純協(xié)同過濾模型。在代表綜合推薦效