金 亮,于 炯,,楊興耀,魯 亮,王躍飛,國冰磊,廖 彬
(1.新疆大學 軟件學院,烏魯木齊 830008; 2.新疆大學 信息科學與工程學院,烏魯木齊 830046;3.新疆財經大學 統計與信息學院,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,國冰磊2,廖 彬3
(1.新疆大學 軟件學院,烏魯木齊 830008; 2.新疆大學 信息科學與工程學院,烏魯木齊 830046;3.新疆財經大學 統計與信息學院,烏魯木齊 830012) (*通信作者電子郵箱yujiong@xju.edu.cn)
目前推薦系統存在評論數據稀疏、冷啟動和用戶體驗度低等問題,為了提高推薦系統的性能和進一步改善用戶體驗,提出基于聚類層次模型的視頻推薦算法。首先,從相關用戶方面著手,通過近鄰傳播(AP)聚類分析得到相似用戶,從而收集相似用戶中的歷史網絡視頻數據,進而形成視頻推薦集合;其次,利用用戶行為的歷史數據計算出用戶對視頻的喜好值,再把視頻的喜好值轉換成視頻的標簽權重;最后,通過層次分析模型算出視頻推薦集合中用戶喜好視頻的排序,產生推薦列表。基于MovieLens Latest Dataset和YouTube視頻評論文本數據集,實驗結果表明所提算法在均方根誤差和決策精度方面均表現出良好的性能。
視頻推薦;稀疏性;冷啟動;層次模型;聚類分析
伴隨著網絡費用的下降以及4G網絡的完善和5G網絡的到來,視頻數量將變得越來越龐大,其網絡視頻數據如表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巨大的挑戰。就目前而言,傳統的推薦系統主要分為基于內容推薦[1]、協同過濾推薦[2-3]和混合過濾推薦[4]。……