【技术实现步骤摘要】
本专利技术涉及推荐算法领域，具体涉及基于实时兴趣增强的短视频推荐方法及系统。
技术介绍
1、随着移动互联网的不断发展，短视频平台已经成为新一代互联网用户重要的娱乐和社交工具，全球每天有上亿用户消费大量的短视频内容，短视频平台在互联网用户群体中有着极高的渗透率。短视频相较于长视频具有播放时长短的特点，用户会在一次交互过程中浏览较多的短视频，因此利用用户的历史交互信息进行序列化建模，是提高用户体验的有效途径。
2、例如公布号为cn117150075a的现有专利技术专利申请文献《一种基于数据分析的短视频智能推荐系统》，该现有系统包括：管理平台、数据采集单元、视频划分单元、热度分析单元、自带流量分析单元、显示执行单元、发布监管分析单元以及监督分析单元；本专利技术通过对待推荐用户的历史信息进行视频划分监管分析，以便根据历史信息反馈情况分析待推荐用户喜欢的短视频类型，以便合理的进行兴趣类型视频推荐，且通过采集兴趣类型的自身数据和流传数据，即从发布者自身所带的热度和发布后视频所引起的热度两个角度进行评估分析。以及公布号为cn1148964...
【技术保护点】
1.基于实时兴趣增强的短视频推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述S1中，利用下述逻辑，学习获取所述序列特征：
3.根据权利要求1所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述S1的所述节点间相互通信学习，包括：
4.根据权利要求1所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述S2中的所述长期兴趣提取模块中，利用长周期历史数据对用户行为进行建模，计算注意力权重，对所述短视频浏览序列中的不同部分进行加权聚焦操作，以保留所述长期兴趣特征。
5.根...
【技术特征摘要】
1.基于实时兴趣增强的短视频推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述s1中，利用下述逻辑，学习获取所述序列特征：
3.根据权利要求1所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述s1的所述节点间相互通信学习，包括：
4.根据权利要求1所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述s2中的所述长期兴趣提取模块中，利用长周期历史数据对用户行为进行建模，计算注意力权重，对所述短视频浏览序列中的不同部分进行加权聚焦操作，以保留所述长期兴趣特征。
5.根据权利要求4所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，在所述加权聚焦操作中，通过一组浅层神经网络，拼接所述短视频浏览序列中的短视频嵌入表示与目标短视频嵌入表示，以处理得到注意力权重；其中，所述浅层神经网络包括：dice激活函数、线性变换组件；处理所述注意力权重，并进行sum pooling计算得到所述长期兴趣特征，其中，利用下述逻辑，计算所述长期兴趣特征：
6.根据权利要求4所述的基于实时兴趣增强的短视频推荐方法，，其特征在于，所述s2中的所述短期兴趣提取...
【专利技术属性】
技术研发人员：陈世展，安海龙，李森，
申请(专利权)人：天津大学合肥创新发展研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。