[发明专利]一种基于图胶囊网络的短视频点击率预测方法有效
申请号: | 202011258889.5 | 申请日: | 2020-11-12 |
公开(公告)号: | CN112256916B | 公开(公告)日: | 2021-06-18 |
发明(设计)人: | 顾盼 | 申请(专利权)人: | 中国计量大学 |
主分类号: | G06F16/735 | 分类号: | G06F16/735;G06F16/78;G06N3/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 310018 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 胶囊 网络 视频 点击率 预测 方法 | ||
本发明公开了一种基于图胶囊网络的短视频点击率预测方法。该方法利用短视频平台中的用户浏览行为数据,抽取用户的兴趣特征,最终预测用户对目标短视频的点击率。对于一个要预测的用户,短视频对,本方法首先融合短视频的多模态特征,生成短视频向量表征。然后根据所有用户历史交互序列,构建短视频图网络,并根据短视频图网络生成短视频的多层向量表征。最后根据短视频的多层向量表征,生成用户兴趣表征并预测目标短视频的点击率。
技术领域
本发明属于互联网服务技术领域,具体涉及一种基于图胶囊网络的短视频点击率预测方法。
背景技术
短视频是一种新型的且时间较短的视频。短视频的拍摄不需要使用专业设备,也不需要专业技巧。用户直接通过手机就可以很方便地进行拍摄和上传到短视频平台,因此短视频平台的短视频数量增长得非常快。这使得对有效短视频推荐系统的需求非常迫切,有效的短视频推荐系统可以提升用户体验和用户黏性,从而给平台带来巨大的商业价值。
近些年,很多研究者提出了基于视频的个性化推荐方法。这些方法可以分为三类:协同过滤、基于内容的推荐和混合推荐方法。但是相比于视频,短视频有着不同的特点:描述文本质量较低、时长较短且用户在一段时间内的交互序列较长。因此,短视频推荐是一个更具有挑战性的任务,并且有研究者提出了一些方法。例如,Li等人将图网络和LSTM结构融合一起,进而更好地模拟用户的偏好;Chen等人利用分层的注意力机制去计算物品和类目这两种级别的重要性,得到更准确的预测结果。
尽管这些方法取得不错的结果,但是没有重视短视频的多模态信息和用户交互数据的稀疏性。用户在上传短视频的视频内容时,会同时配上概括性的标题描述,这两种模态的特征对于短视频的推荐都很重要。海量的短视频加上用户偏向点击热门短视频,造成用户交互数据的稀疏性。我们使用短视频多模态特征和通过构建短视频的图网络,捕捉短视频之间的转移关系来缓解数据的稀疏性,提高推荐的准确性。另外,胶囊网络已经在图像领域得到初步地成功,胶囊网络可以从低层特征抽取出更概括的、和任务相关的高级特征。本方法将胶囊网络应用在个性化推荐领域,并对原本应用在图形领域的胶囊网络进行创新性的改造。
发明内容
基于上述,本发明提供了一种基于图胶囊网络的短视频点击率预测方法。它根据用户的对短视频的点击序列信息,挖掘出用户的兴趣特征,预测用户对目标短视频的点击率。
一种基于图胶囊网络的短视频点击率预测方法,包括如下步骤:
融合短视频多模态特征,生成短视频向量表征。对于一个用户的点击行为序列可以表示为X=[x1,…,xn],其中xj由和两种模态构成,是短视频的封面图特征向量,是短视频的文本特征向量,d是特征向量xj的长度。本方法中采用最简单的连接方式将两种模态信息融合,如下:
其中,分别是第j个短视频的封面和文本特征,CONCAT方法表示将两种模态的向量直接连接生成新的向量。
根据所有用户历史交互序列,构建短视频图网络。为了捕捉短视频和短视频之间的转移关系,我们从所有用户序列中构建物品图网络T。给定一个用户交互序列X=[x1,…,xn],任一短视频xj为图T的节点,(xj-1,xj)为图网络T的边,(xj-1,xj)表示一个用户点击短视频xj-1后点击短视频xj。图的边数值属性为边(xj-1,xj)出现的次数。为了降低在线计算复杂度,本发明采用离线文件存储每个节点在图网络T中的邻居节点。
根据短视频图网络T,生成短视频多层向量表征令:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国计量大学,未经中国计量大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011258889.5/2.html,转载请声明来源钻瓜专利网。