基于 DNN 算法的移动视频推荐策略

摘要：

该文针对移动互联网在线视频服务个性化视频推荐问题，提出了一种基于深度学习（Deep learning）模型的内容推荐策略。深度学习在图像、语音和自然语言处理等领域获得的突破性进展，为在线视频服务的推荐策略研究提供了基础。该文工作通过在传统基于内容推荐的基础上，引入深度神经网络（Deep Neural Network，DNN）词向量方法，根据视频的媒资信息和用户的历史行为，将视频特征和用户特征映射在高维向量空间。在构建用户正负行为与视频向量的余弦距离模型基础上，筛选过滤对所推荐视频感兴趣的用户群，并通过移动互联网应用的消息推送功能提示移动终端用户观看所推荐的内容。基于在大规模移动视频服务系统中的离线和在线实验，该文所提出的基于 DNN 算法的推荐策略，相比随机方法、ContentKNN 以及 ItemCF 等算法，在点击率方面平均分别获得106％、41％和57％的相对提升，在覆盖率方面一定程度上避免了推送活跃用户的偏颇问题，从整体上得到了较好的推荐效果。

关键词：移动互联网、深度学习、词向量、消息推送、基于内容推荐、机器学习

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61502315，61309030;广东省自然科学基金2015A030310366;深圳大学科研启动项目201558资助．

在线出版日期：2016-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1626-1638