一种短视频推荐方法技术

本发明专利技术提供一种短视频推荐方法，包括：构建多源异构图，从不同模态的数据提取数据特征；构建分层图神经网络模型，并将所述数据特征输入到所述分层图神经网络模型中进行训练；使用训练好的所述分层图神经网络模型给目标用户推荐短视频。通过结合不同模态提取的数据特征，综合考虑了社交网络构建了多源异构图；基于异构图构建的分层图神经网络模型可以捕获用户、短视频、标签内部不同的连接关系和它们之间的关联关系，该量身定制的图神经网络可以学习到高层次的短视频和用户的特征表示，表征能力更强，有助于短视频推荐。

【技术实现步骤摘要】
一种短视频推荐方法
本专利技术涉及视频推荐
，尤其涉及一种短视频推荐方法。
技术介绍
随着互联网中信息量的不断增长，推荐系统已经成为克服信息过载的有效策略。推荐系统在众多web应用程序中得到广泛的使用，用于帮助用户在互联网时代下的信息过载中便捷地找到感兴趣的物品(商品及信息等)，从而缓解用户选择过度的问题。推荐系统的主要思想是在物品和用户之间建立关系，并为特定的用户生成最适合的物品列表。其目的是充分利用不同的信息源为用户提供准确的物品预测和推荐。同时，基于图结构的机器学习技术，作为一种新兴技术，表现出了巨大的发展前景。图学习技术能够获取嵌入在不同图形中的知识而在一些领域上大放异彩。而推荐系统中大多数数据本质上是一种图结构，用户之间、物品之间、用户物品之间都显示或者隐式地彼此连接。因为图学习技术具有对复杂关系数据的学习能力，所以众多基于图学习技术的推荐系统不断涌现。此外，图学习技术有助于提升推荐系统中的可解释性。由于推荐系统中对象的多样性和对象之间的复杂关系，带来了图类型的多样性。从简单的树形图到用户或者物品的单部图，再到反本文档来自技高网...

【技术保护点】
1.一种短视频推荐方法，其特征在于，包括如下步骤：/nS1：构建多源异构图，从不同模态的数据提取数据特征；/nS2：构建分层图神经网络模型，并将所述数据特征输入到所述分层图神经网络模型中进行训练；使用训练好的所述分层图神经网络模型给目标用户推荐短视频。/n

【技术特征摘要】
1.一种短视频推荐方法，其特征在于，包括如下步骤：
S1：构建多源异构图，从不同模态的数据提取数据特征；
S2：构建分层图神经网络模型，并将所述数据特征输入到所述分层图神经网络模型中进行训练；使用训练好的所述分层图神经网络模型给目标用户推荐短视频。


2.如权利要求1所述的短视频推荐方法，其特征在于，根据所述目标用户的社交网络和多源异构网络信息构建多源异构图提取所述数据特征；
所述数据特征包括文本特征、视觉特征和听觉特征、社交特征以及短视频之间关系。


3.如权利要求2所述的短视频推荐方法，其特征在于，提取所述文本特征包括：
对所述短视频的标题、简介进行分词得到分词后的词语；
利用常用停用词库对所述分词后的词语进行筛选得到分词筛选后的词语；
所述分词筛选后的词语和所述短视频的短视频作者和/或平台提供的原有标签构成所述短视频的文本特征标签。


4.如权利要求2所述的短视频推荐方法，其特征在于，使用InceptionV3提取所述视觉特征并采用主成分分析法降维；
使用VGGish提取所述听觉特征并采用主成分分析法降维。


5.如权利要求2所述的短视频推荐方法，其特征在于，采用基于注意力的社交图神经网络获取所述目标用户的所述社交特征，具体包括：
将所述目标用户的朋友用户投射到一个新的物品空间以区分所述朋友用户和所述目标用户；
利用所述基于注意力的社交图神经网络学习每个所述朋友用户的影响权重；
将所有所述朋友用户按学习到的影响权重加权后，再映射到社交空间,得到所述目标用户的社交向量；
将所述社交向量和所述目标用户的初始嵌入向量进行拼接得到所述社交特征。


6.如权利要求2所述的短视频推荐方法，其特征在于，所述短视频之间关系是同一作者的短视频之间的关系紧密程度，两个所述短视频之间的关系紧密程度PMI(x，y)通过下式进行计算：



其中，#(x，y)表示短视频x和y被以滑动播放形式共同观看的次数，即用户在观看完x短视频后，继续滑动又观看完了同一作者的y短...

【专利技术属性】
技术研发人员：肖喜，吴偌灏，夏树涛，毛科龙，江勇，王兴军，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44