从视频内容提取的多样化深度学习特征的互补性及其在视频推荐中的应用
信息检索
2022-01-04 v2 机器学习
多媒体
摘要
随着流媒体服务的普及，众多视频流媒体服务持续购入新视频内容以挖掘其潜在利润。因此，新增内容必须被妥善处理以推荐给合适的用户。本文通过探索各类深度学习特征提供视频推荐的潜力，来解决新物品冷启动问题。所研究的深度学习特征包括捕捉视频内容中视觉外观、音频与运动信息的特征。我们还探索不同的融合方法，以评估这些特征模态如何被组合以充分利用它们所捕捉的互补信息。在用于电影推荐的真实世界视频数据集上的实验表明，深度学习特征优于手工特征。特别地，由深度学习音频特征与以动作为中心的深度学习特征生成的推荐优于MFCC与最先进的iDT特征。此外，将各类深度学习特征与手工特征及文本元数据相结合，相比仅组合前者，在推荐中带来了显著改进。
引用
@article{arxiv.2011.10834,
title = {The complementarity of a diverse range of deep learning features extracted from video content for video recommendation},
author = {Adolfo Almeida and Johan Pieter de Villiers and Allan De Freitas and Mergandran Velayudan},
journal= {arXiv preprint arXiv:2011.10834},
year = {2022}
}