基于边缘数据的电影预告片起始概率矩阵分解用于上下文感知电影推荐
计算机视觉与模式识别
2022-02-22 v1 信息检索
机器学习
摘要
移动设备及部署在网络边缘的应用所产生的边缘数据快速增长，加剧了信息过载问题。作为缓解信息过载的有效手段，推荐系统可在稀疏评分数据基础上，通过加入用户在边缘设备上生成的应用数据（如视觉与文本信息）来提升各类服务质量。电影预告片中的视觉信息是电影推荐系统的重要组成部分。然而，由于视觉信息提取的复杂性，仅使用粗略视觉特征难以显著缓解数据稀疏性以提升评分预测精度。幸运的是，卷积神经网络可精确提取视觉特征。因此，端到端神经图像描述（NIC）模型可用于获取描述电影预告片视觉特征的文本信息。本文提出一种称为Ti-PMF的预告片起始概率矩阵分解模型，其将NIC、循环卷积神经网络与概率矩阵分解模型结合作为评分预测模型。我们在三个真实数据集上进行了大量实验以实现所提Ti-PMF模型并验证其有效性。实验结果表明，所提Ti-PMF优于现有模型。
引用
@article{arxiv.2202.10236,
title = {Edge Data Based Trailer Inception Probabilistic Matrix Factorization for Context-Aware Movie Recommendation},
author = {Honglong Chen and Zhe Li and Zhu Wang and Zhichen Ni and Junjian Li and Ge Xu and Abdul Aziz and Feng Xia},
journal= {arXiv preprint arXiv:2202.10236},
year = {2022}
}