[发明专利]一种视频推荐方法、装置、电子设备和可读存储介质

说明书

本发明涉及多媒体信息处理技术领域，具体涉及一种视频推荐方法和装置。所述方法包括：获取样本视频评分集；其中所述样本视频评分集为评分用户对样本视频集的评分数据矩阵R；处理所述样本视频评分集分别获取样本视频隐藏特征矩阵A和评分用户隐藏特征矩阵B；分别获取样本视频显示特征和评分用户显示特征；根据所述矩阵A和B，分别将所述获取的样本视频显示特征和评分用户显示特征处理为样本视频显示特征矩阵C和评分用户显示特征矩阵D；根据预设处理策略，对所述矩阵C和矩阵D进行处理并得到矩阵G；根据矩阵G对所有视频进行评分预测并根据所述评分预测结果向目标用户推荐视频。

技术领域

本发明涉及多媒体信息处理技术领域，具体涉及一种视频推荐方法一种视频推荐方法、装置、电子设备和可读存储介质。

背景技术

目前互联网视频内容资源丰富，帮助用户从丰富的视频资源中筛选出用户感兴趣或需要的视频这一需求日益突出，推荐系统就是解决这一需求的有效途径，而推荐算法是影响推荐系统功能实现的关键。目前主流成功的推荐方案是基于协同过滤算法的推荐方案，虽然推协同过滤算法取得了辉煌成就，但仍存在不少难题亟待解决，比如数据稀疏性问题。由于目前网络上供用户观看的电影数量庞大、类型多样，绝大多数用户都只看过其中小部分的电影，导致用户对电影的评分矩阵存在数据稀疏性的问题，而数据稀疏性的问题会严重影响电影推荐的准确性。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：

第一方面，本申请实施例公开了一种视频推荐方法，所述方法包括：

获取样本视频评分集；其中所述样本视频评分集为评分用户对样本视频集的评分数据矩阵R；

处理所述样本视频评分集分别获取样本视频隐藏特征矩阵A和评分用户隐藏特征矩阵B；

分别获取样本视频显示特征和评分用户显示特征；

根据所述矩阵A和B，分别将所述获取的样本视频显示特征和评分用户显示特征处理为样本视频显示特征矩阵C和评分用户显示特征矩阵D；

根据预设处理策略，对所述矩阵C和矩阵D进行处理并得到矩阵G；

根据矩阵G对所有视频进行评分预测并根据所述评分预测结果向目标用户推荐视频。

可选地，所述样本视频评分集为MovieLens 1M数据集中的评分矩阵表。

进一步地，所述处理所述样本视频评分集分别获取样本视频隐藏特征矩阵A和评分用户隐藏特征矩阵B包括：

利用MF矩阵分解算法对矩阵R进行分解获取到样本视频隐藏特征矩阵A和评分用户隐藏特征矩阵B；

其中R∈R^N×M，其中N为用户数量，M为电影数量；

A∈A^K×M；B∈B^N×K；其中K代表隐藏特征维度数量。

进一步地，分别获取样本视频显示特征和评分用户显示特征包括：从MovieLens1M数据集的用户信息和视频信息文本中分别解析出评分用户显示特征和样本视频显示特征。

进一步地，所述根据所述矩阵A和B，分别将所述获取的样本视频显示特征和评分用户显示特征处理为样本视频显示特征矩阵C和评分用户显示特征矩阵D包括：

将所述获取的样本视频显示特征和评分用户显示特征处理为样本视频显示特征矩阵C和评分用户显示特征矩阵D；其中，

所述样本视频显示特征矩阵C∈C^I×M；其中I为样本视频显示特征维度数量；

所述评分用户显示特征矩阵D∈D^N×J；其中J为评分用户显示特征维度数量。