基于聚類層次模型的視頻推薦算法

金 亮,于 炯,,楊興耀,魯 亮,王躍飛,國(guó)冰磊,廖 彬

(1.新疆大學(xué) 軟件學(xué)院,烏魯木齊 830008; 2.新疆大學(xué) 信息科學(xué)與工程學(xué)院,烏魯木齊 830046;3.新疆財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與信息學(xué)院,烏魯木齊 830012) (*通信作者電子郵箱yujiong@xju.edu.cn)

基于聚類層次模型的視頻推薦算法

金 亮1,于 炯1,2*,楊興耀1,魯 亮2,王躍飛2,國(guó)冰磊2,廖 彬3

(1.新疆大學(xué) 軟件學(xué)院,烏魯木齊 830008; 2.新疆大學(xué) 信息科學(xué)與工程學(xué)院,烏魯木齊 830046;3.新疆財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與信息學(xué)院,烏魯木齊 830012) (*通信作者電子郵箱yujiong@xju.edu.cn)

目前推薦系統(tǒng)存在評(píng)論數(shù)據(jù)稀疏、冷啟動(dòng)和用戶體驗(yàn)度低等問題,為了提高推薦系統(tǒng)的性能和進(jìn)一步改善用戶體驗(yàn),提出基于聚類層次模型的視頻推薦算法。首先,從相關(guān)用戶方面著手,通過(guò)近鄰傳播(AP)聚類分析得到相似用戶,從而收集相似用戶中的歷史網(wǎng)絡(luò)視頻數(shù)據(jù),進(jìn)而形成視頻推薦集合；其次,利用用戶行為的歷史數(shù)據(jù)計(jì)算出用戶對(duì)視頻的喜好值,再把視頻的喜好值轉(zhuǎn)換成視頻的標(biāo)簽權(quán)重；最后,通過(guò)層次分析模型算出視頻推薦集合中用戶喜好視頻的排序,產(chǎn)生推薦列表。基于MovieLens Latest Dataset和YouTube視頻評(píng)論文本數(shù)據(jù)集,實(shí)驗(yàn)結(jié)果表明所提算法在均方根誤差和決策精度方面均表現(xiàn)出良好的性能。

視頻推薦;稀疏性;冷啟動(dòng);層次模型;聚類分析

0 引言

伴隨著網(wǎng)絡(luò)費(fèi)用的下降以及4G網(wǎng)絡(luò)的完善和5G網(wǎng)絡(luò)的到來(lái),視頻數(shù)量將變得越來(lái)越龐大,其網(wǎng)絡(luò)視頻數(shù)據(jù)如表1所示,如何在大量的視頻中推薦出用戶喜歡的視頻是一個(gè)巨大的挑戰(zhàn)。就目前而言,傳統(tǒng)的推薦系統(tǒng)主要分為基于內(nèi)容推薦[1]、協(xié)同過(guò)濾推薦[2-3]和混合過(guò)濾推薦[4]。……