图表示学习短视频智能推荐研究综述

摘要：

随着短视频数量的爆发式增长,精准的个性化短视频推荐成为学术界和工业界的迫切需求.然而,现有的推荐方法没有考虑实际的短视频具有数据多源异构多模态、用户行为复杂多样、用户兴趣动态变化等特点.短视频模态间的语义鸿沟、社交网络用户多行为挖掘、用户动态兴趣捕捉依然是短视频推荐领域面临的三个重要问题.针对当前推荐系统存在的问题,并充分考虑短视频推荐系统的实际需求,本文介绍了短视频推荐中基于图表示学习的短视频推荐方法;研究了短视频异构多模态特征表示,充分挖掘视频内容特征并进行高效融合;研究了短视频社交网络用户多行为表示,通过社交网络用户多种行为挖掘更细粒度的用户偏好;研究了用户的动态偏好表示方法,通过利用时序信息建模用户的动态兴趣,保证推荐结果的准确度并增加其多样性与个性化.本研究可在理论和实践上推进基于图特征学习的短视频推荐研究,也可作为短视频推荐系统的关键技术.

关键词：短视频推荐、图特征表示、图表示学习

所属期刊栏目：2

分类号：TP391.4(计算技术、计算机技术)

资助基金：青年人才托举工程项目;北京市科技新星计划项目

在线出版日期：2023-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12