面向视频推荐的多模态主题学习
信息检索
2020-10-27 v1 机器学习
摘要
在深度神经网络的推动下，视频推荐系统取得了显著进展。现有视频推荐系统直接利用来自不同模态（如用户个人数据、用户行为数据、视频标题、视频标签和视觉内容）的特征输入深度神经网络，同时期望网络在线从这些特征中隐式挖掘用户偏好的主题。然而，缺乏语义主题信息的特征限制了推荐的准确生成。此外，使用视觉内容特征进行特征交叉会产生高维特征，严重降低网络的在线计算效率。本文中，我们将主题生成与推荐生成显式分离，提出一种多模态主题学习算法，利用三种模态（即标签、标题和封面图）离线生成视频主题。该算法生成的主题作为语义主题特征，辅助偏好范围确定与推荐生成。进一步地，我们使用语义主题特征替代视觉内容特征，有效降低在线计算成本。我们所提算法已部署于快报信息流平台。线上与线下评估结果表明，所提算法表现优异。
引用
@article{arxiv.2010.13373,
title = {Multimodal Topic Learning for Video Recommendation},
author = {Shi Pu and Yijiang He and Zheng Li and Mao Zheng},
journal= {arXiv preprint arXiv:2010.13373},
year = {2020}
}