【技术实现步骤摘要】
本专利技术属于短视频推荐，具体涉及一种基于复杂网络中多类多关系异质图的短视频推荐方法。
技术介绍
1、短视频推荐方法是异质信息网络（hin）的一个典型示例，它包含多种类型的节点，包括用户、短视频内容以及它们之间的交互关系，交互则通过边来表示。由于异质图神经网络（hgnns）能够有效处理这种复杂的异构特性，因此在短视频推荐领域得到了越来越多的关注。在这种推荐系统中，用户和短视频内容作为节点存在，而用户与内容之间的交互关系则构成了边。这种异质结构能够有效捕捉用户的偏好和短视频内容的特征，从而为用户提供更精准的推荐。
2、异质图神经网络在短视频推荐中的应用十分广泛。异质图中的路径可以被看作是特定的用户-短视频交互序列，它蕴含了用户偏好和短视频特征的特定信息。通过分析这些路径，研究人员能够识别出在短视频推荐中具有相似观看历史或风格偏好的用户和短视频内容，从而实现对最终表示的有效捕捉。然而，尽管异质图神经网络的聚合方法在短视频推荐中展现出优势，但仍然存在一些局限性。现有异质图神经网络只提取用户和短视频之间的单一交互关系，而用户和短视频...
【技术保护点】
1.一种基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，所述步骤1中，面向多类多关系异质图的复杂神经网络模型的工作过程为：
3.根据权利要求2所述基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，所述步骤1.1的具体过程为：
4.根据权利要求3所述基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，所述步骤1.1.1的具体过程为：
5.根据权利要求4所述基于复杂网络中多类多关系异质图的短视频推荐...
【技术特征摘要】
1.一种基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，所述步骤1中，面向多类多关系异质图的复杂神经网络模型的工作过程为：
3.根据权利要求2所述基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，所述步骤1.1的具体过程为：
4.根据权利要求3所述基于复杂网络中多类多关系异质图的短视频推荐方法，其特征在于，所述步骤1.1.1的具体过程为：
5.根据权利要求4所述基于复杂网络中多类多关系...
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。