[发明专利]一种基于图卷积网络的视频片段推荐方法

说明书

本发明公开了一种基于图卷积网络的视频片段推荐方法，包括：1.构造用户对视频片段的评分矩阵；2.对用户集和视频片段集处理，得到用户嵌入矩阵和视频片段嵌入矩阵；3.根据用户的评分矩阵，构造基于内容属性的二部图；4.将构造好的二部图输入到图卷积网络中，不断更新用户嵌入矩阵；5.利用图卷积网络计算用户对片段的偏好预测值，从而对用户进行片段推荐。本发明能对用户进行更精准的推荐，尤其是对历史数据稀少的用户群体，从而更好的解决到冷启动物品问题。

技术领域

本发明涉及视频推荐领域，具体地说是一种基于图卷积网络的视频片段推荐方法。

技术背景

随着网络视频的流行，视频数量近年来开始爆发式地增长。面对大量的视频，如何有效的剪辑并向每个用户展示最有趣的片段，从而对用户进行更精准的视频推荐，已经成为了很迫切的需要。

关于视频提取片段的技术，比较流行的做法是基于内容的视觉特征，对视频提取最有代表性的片段，从而让用户能更好的预览视频内容。为了更好地融合用户群体的兴趣偏好信息，比如2016年Gygliet等人提出利用神经网络模型学习网上流行的GIF动图特征，从而实现对视频自动提取最有趣的代表性片段，达到了不错的效果。

但这些模型仅考虑了大众的整体流行偏好，没有考虑如何针对每个用户进行个性化的片段推荐。近年来一些模型提出利用用户的个人资料和视频片段的标注记录，来捕捉用户的个性化信息，从而实现个性化推荐，但用户数据的极度稀疏性限制了它们的推荐性能。2016年He和McAuley等人提出一种混合模型，将视频的内容特征和用户的行为数据结合起来进行推荐，有效地缓解了用户数据稀疏的问题，从而更好的对用户进行个性化的视频片段推荐。

尽管现有的多数模型，将协同过滤信息和静态的内容表征模型结合起来进行更精准的视频个性化推荐，但当一些新的视频加入系统时，缺少相关的协同信息，还是限制了模型的推荐性能。因此，如何在兼顾用户数据稀疏的问题时，还能更好的解决冷启动新物品问题，越来越引起人们的重视。

发明内容

本发明为解决现有技术的不足之处，提出一种基于图卷积网络的视频片段推荐方法，以期能对用户进行更精准的推荐，尤其是对历史数据稀少的用户群体，从而更好的解决到冷启动物品问题。

本发明为解决技术问题采用如下技术方案：

本发明一种基于图卷积网络的视频片段推荐方法的特点是按如下步骤进行：

步骤1、构造用户对视频片段的评分矩阵R：

令U表示用户集，且U＝{u₁,...,u_a,...,u_b,...,u_M}，其中，u_a表示第a个用户，u_b表示第b个用户，M表示用户总数，1≤a,b≤M；获取视频片段集S，且S＝{s₁,...,s_i,...,s_j,...,s_N}，s_i表示第i个视频片段，s_j表示第j个视频片段，N表示片段总数，1≤i,j≤N；令r_ai表示第a个用户u_a对第i个片段s_i的评分值，若r_ai＝1，则表示第a个用户u_a对第i个视频片段s_i产生正反馈互动，若r_ai＝0，则表示第a个用户u_a对第i个视频片段s_i产生负反馈互动，从而构造所有用户对所有视频片段的评分矩阵R＝{r_ai}_M×N；

步骤2、对用户集U和视频片段集S进行处理，得到用户的自由嵌入矩阵X和视频片段的特征嵌入矩阵Y：