基于深度学习的IPTV机顶盒视频内容智能推荐方法技术

本发明专利技术公开了基于深度学习的IPTV机顶盒视频内容智能推荐方法，方法包括数据收集、数据优化处理、个性化视频内容推荐、推荐视频内容优化排序和视频内容智能推荐。本发明专利技术涉及数字数据处理技术领域，具体是指基于深度学习的IPTV机顶盒视频内容智能推荐方法，本方案创新性地结合用户偏好与业务约束的视频内容智能推荐方法，实现了个性化与业务需求平衡；创新性地提出多视图的用户视频交互图构建、双层注意力机制和设计多层次对比损失函数的方法，实现更精准的个性化视频内容推荐；设计了排序优化目标函数，通过种群角色差异化搜索策略和动态惯性权重对优化算法进行改进，实现推荐视频内容排序的优化，显著提升视频内容智能推荐的效果。

【技术实现步骤摘要】

本专利技术涉及数字数据处理，具体是指基于深度学习的iptv机顶盒视频内容智能推荐方法。

技术介绍

1、基于深度学习的iptv机顶盒视频内容智能推荐方法是指一种利用深度学习技术对iptv机顶盒采集的多源数据进行智能分析与建模，输出满足用户兴趣及场景需求的个性化视频推荐结果，实现个性化、多样性与实时性兼顾的推荐服务，从而提升内容匹配精度与用户观看黏性。

2、但是，传统的iptv机顶盒视频内容推荐方法中存在仅单一考虑用户偏好或业务约束，导致推荐结果无法实现用户偏好与业务需求之间的平衡，从而造成推荐效果不精准与用户体验不佳的技术问题，现有适用于个性化视频内容推荐模型中存在难以全面挖掘用户与视频内容之间复杂关系的技术问题，导致推荐效果局限且无法精准匹配用户兴趣的情况，现有适用于推荐视频内容排序方法中存在优化算法的局限性，导致推荐视频内容排序效果不佳的技术问题，从而影响了视频内容的智能推荐效果。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于深度学习的iptv机顶盒视频内容智能推荐本文档来自技高网...

【技术保护点】

1.基于深度学习的IPTV机顶盒视频内容智能推荐方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的IPTV机顶盒视频内容智能推荐方法，其特征在于：在步骤S3中，所述个性化视频内容推荐，具体为包括以下步骤：

3.根据权利要求1所述的基于深度学习的IPTV机顶盒视频内容智能推荐方法，其特征在于：在步骤S31中，所述构建个性化视频内容推荐模型，具体包括以下步骤：

4.根据权利要求2所述的基于深度学习的IPTV机顶盒视频内容智能推荐方法，其特征在于：在步骤S32中，所述多层次对比损失函数，用于同时约束用户与视频在单一视频内容特征视图...

【技术特征摘要】

1.基于深度学习的iptv机顶盒视频内容智能推荐方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的iptv机顶盒视频内容智能推荐方法，其特征在于：在步骤s3中，所述个性化视频内容推荐，具体为包括以下步骤：

3.根据权利要求1所述的基于深度学习的iptv机顶盒视频内容智能推荐方法，其特征在于：在步骤s31中，所述构建个性化视频内容推荐模型，具体包括以下步骤：

4.根据权利要求2所述的基于深度学习的iptv机顶盒视频内容智能推荐方法，其特征在于：在步骤s32中，所述多层次对比损失函数，用于同时约束用户与视频在单一视频内容特征视图和跨特征视图下的特征一致性；具体为首先分别构造局部正负样本和全局正负样本，依次完成局部对比损失函数设计与全局对比损失函数设计，最后将局部对比损失值与全局对比损失值与监督结果损失加权组合，得到多层次对比损失函数；

5.根据权利要求3所述的基于深度学习的iptv机顶盒视频内容智能推荐方法，其特征在于：在步骤s312中，所述用户视频交互图构建，用于结合用户与视频之间在各个视频内容特征下的交互强度，构建用户视频交互图结构；具体包括构建节点集合、构建图结构、计算边的权重和生成交互图的邻接矩阵，得到用户视频交互图结构及其邻接矩阵集合；

6.根据权利要求1所述的基于深度学习的i...

【专利技术属性】
技术研发人员：王晓静，张宏伟，任伟，何雨轩，刘雪剑，崔亚南，包济维，张浩宇，于海婧，王然，
申请(专利权)人：联通视频科技有限公司，
类型：发明
国别省市：