论文部分内容阅读
近年来国内互联网内容领域,今日头条、网易号、一点资讯、百家号等平台异军突起。这些内容分发平台利用多渠道的内容来源,内容数量暴增,其中短视频内容占据了很大的比例。因此,为这些平台设置合适的短视频推荐方案便显得尤为重要了。短视频与以往的视频相比,它方便分享、传播迅速、内容短小精悍,并且迎合了用户快速消费内容的阅读习惯。基于内容分发平台的短视频数量爆发式增长这一背景,同时考虑短视频本身的特点,本文设计了一套适合短视频的推荐架构平台,把短视频推荐过程中的召回、过滤、排序等流程融合在一个架构平台中。针对平台初期可能出现的一些问题,如冷启动、内容池构建、分类标签体系建设等环节,均提出了相应的解决方案。同时,对于短视频推荐架构中的排序环节,本文引入了在文本分类领域大放异彩的文本卷积神经网络(TextCNN)算法,对短视频文本特征进行处理,并且在视频评分阶段,使用深度神经网络(DNN)算法进行评分预测,最后将每个用户对于短视频的评分进行排序,并按照预测的评分结果降序排列,将短视频列表最终推荐给用户。本文还对视频推荐架构中排序阶段的算法进行了数据实验,数据取自某内容分发平台App。基于本文提出的TextCNN+DNN算法得到RMSE值为0.892,并将结果与相同数据下进行实验的UserCF、ItemCF及隐语义模型的RMSE结果进行了对比。实验表明,在相同实验数据的情况下,TextCNN+DNN的算法在预测效果和模型泛化能力上有着更好的表现。