利用视频丰富内容进行个性化视频推荐
信息检索
2018-12-06 v6 机器学习
摘要
视频推荐已成为帮助人们探索海量视频并发现可能感兴趣内容的重要方式。在现有的视频推荐系统中，模型基于用户-视频交互和单一特定内容特征进行推荐。当特定内容特征不可用时，现有模型的性能会严重下降。受视频中存在丰富内容（例如文本、音频、运动等）这一事实的启发，本文探索了如何利用这些丰富内容来克服因特定特征缺失所带来的限制。具体来说，我们提出了一种新颖的通用框架，该框架将任意单一内容特征与用户-视频交互相结合，称为协同嵌入回归（CER）模型，以在矩阵内和矩阵外两种场景下进行有效的视频推荐。我们在两个真实世界大规模数据集上的广泛实验表明，CER 在使用任何单一内容特征时都优于现有的推荐模型，并且时间效率更高。此外，我们提出了一种基于优先级的后融合（PRI）方法，以获取整合多种内容特征所带来的收益。相应的实验表明，PRI 为基线模型带来了真实的性能提升，并优于现有的融合方法。
引用
@article{arxiv.1612.06935,
title = {Personalized Video Recommendation Using Rich Contents from Videos},
author = {Xingzhong Du and Hongzhi Yin and Ling Chen and Yang Wang and Yi Yang and Xiaofang Zhou},
journal= {arXiv preprint arXiv:1612.06935},
year = {2018}
}