深度神經(jīng)網(wǎng)絡(luò)視頻新媒體短視頻個(gè)性化推薦系統(tǒng)研究

高晨峰

【摘要】隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，新媒體短視頻不斷豐富著人們的生活。面對(duì)海量的新媒體短視頻，傳統(tǒng)基于協(xié)同過(guò)濾算法的視頻推薦系統(tǒng)已經(jīng)不能滿足人們的新媒體短視頻推薦需求。對(duì)此，本文利用深度學(xué)習(xí)和數(shù)據(jù)挖掘相關(guān)技術(shù)，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)模型的新媒體短視頻個(gè)性化推薦系統(tǒng)，該推薦系統(tǒng)主要包括：數(shù)據(jù)采集處理模塊、用戶視頻建模模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊、推薦視頻生成模塊4個(gè)部分。通過(guò)對(duì)該推薦系統(tǒng)的實(shí)驗(yàn)分析發(fā)現(xiàn)，通過(guò)深度神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)與訓(xùn)練，該推薦系統(tǒng)具備較高的推薦性能，能夠充分把握用戶對(duì)新媒體短視頻的興趣偏好，實(shí)用價(jià)值較高。

【關(guān)鍵詞】新媒體短視頻;個(gè)性化推薦系統(tǒng);深度神經(jīng)網(wǎng)絡(luò)模型;數(shù)據(jù)挖掘;特征向量

一、引言

隨著互聯(lián)網(wǎng)通信與多媒體技術(shù)的發(fā)展，新媒體短視頻的播放量持續(xù)增長(zhǎng)。截止2018年，愛奇藝、騰訊視頻、抖音短視頻等客戶端的視頻總量達(dá)到了7000萬(wàn)，月度活躍用戶更是高達(dá)2億，每天有接近10億的視頻播放量。面對(duì)如此海量的新媒體短視頻，傳統(tǒng)的協(xié)同過(guò)濾算法難以采取常規(guī)的手段來(lái)實(shí)現(xiàn)新媒體短視頻的內(nèi)容特征提取，也就無(wú)法對(duì)新媒體短視頻內(nèi)容的進(jìn)行準(zhǔn)確推薦。同時(shí)，深度學(xué)習(xí)在自然語(yǔ)言處理、圖像處理和語(yǔ)音處理等領(lǐng)域取得了技術(shù)性突破，新媒體短視頻推薦技術(shù)應(yīng)運(yùn)而生。

在此背景下，本文提出了一種基于深度神經(jīng)網(wǎng)絡(luò)模型的新媒體短視頻個(gè)性化推薦系統(tǒng)，進(jìn)行用戶和新媒體短視頻建模及深度訓(xùn)練學(xué)習(xí)，把握用戶興趣偏好與新媒體短視頻之間的內(nèi)在關(guān)系，實(shí)現(xiàn)新媒體短視頻的個(gè)性化推薦。

二、新媒體短視頻個(gè)性化推薦系統(tǒng)設(shè)計(jì)

（一）總體流程

基于深度神經(jīng)網(wǎng)絡(luò)模型的新媒體短視頻個(gè)性化推薦系統(tǒng)的整體流程示意圖如圖1所示，從圖1可以看到，該系統(tǒng)基本涵蓋以下幾個(gè)模塊：

（1）數(shù)據(jù)采集處理模塊。通過(guò)Hadoop大數(shù)據(jù)平臺(tái)獲取用戶的新媒體短視頻歷史操作數(shù)據(jù)和新媒體短視頻的文本描述數(shù)據(jù)，完成兩部分?jǐn)?shù)據(jù)的預(yù)處理工作;

（2）用戶視頻建模模塊。采用傳統(tǒng)的文本挖掘算法對(duì)新媒體短視頻的文本描述數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，獲得新媒體短視頻內(nèi)容的關(guān)鍵特征，結(jié)合用戶對(duì)新媒體短視頻的播放記錄，實(shí)現(xiàn)用戶和視頻建模;

（3）神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊。以用戶和新媒體短視頻建模情況為深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，將新媒體短視頻和用戶特征向量作為深度神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督的訓(xùn)練。充分利用深度學(xué)習(xí)技術(shù)的特征提取優(yōu)勢(shì)，把握新媒體短視頻與用戶的語(yǔ)義特征，挖掘用戶興趣偏好與新媒體短視頻之間內(nèi)在關(guān)系，構(gòu)建個(gè)性化推薦系統(tǒng);

（二）數(shù)據(jù)采集處理模塊

基于深度神經(jīng)網(wǎng)絡(luò)模型的新媒體短視頻個(gè)性化推薦系統(tǒng)執(zhí)行的第一步就是要獲取相關(guān)數(shù)據(jù)信息，這里的相關(guān)數(shù)據(jù)信息包括兩個(gè)方面：

第一是新媒體短視頻的文本描述數(shù)據(jù)。新媒體短視頻與其他常規(guī)視頻一樣，其文本描述數(shù)據(jù)無(wú)外乎：視頻標(biāo)題、視頻基本內(nèi)容、視頻發(fā)布地區(qū)、視頻策劃、編劇和主演、視頻發(fā)布時(shí)間和發(fā)布作者等等。這些文本描述數(shù)據(jù)主要用于新媒體短視頻內(nèi)容的特征提取，為后續(xù)新媒體短視頻建模奠定基礎(chǔ)。

第二是用戶對(duì)新媒體短視頻的歷史操作記錄。這里的操作可以理解為用戶打開新媒體短視頻，用戶打開視頻有兩種情況，情況一是用戶移動(dòng)視頻播放進(jìn)度條，粗略瀏覽新媒體短視頻，用戶實(shí)際觀看時(shí)長(zhǎng)小于視頻總時(shí)長(zhǎng)，可能該用戶對(duì)此新媒體短視頻并不是真正感興趣;情況二是用戶完整地觀看了新媒體短視頻，沒(méi)有快進(jìn)瀏覽，用戶實(shí)際觀看時(shí)長(zhǎng)等于視頻總時(shí)長(zhǎng)，可以認(rèn)為用戶對(duì)此視頻感興趣。因此，為了區(qū)分用戶對(duì)新媒體短視頻的兩種操作情況，在判斷用戶對(duì)新媒體短視頻操作是否有效時(shí)加入了新媒體短視頻播放時(shí)長(zhǎng)比這一指標(biāo)，新媒體短視頻播放時(shí)長(zhǎng)比具體計(jì)算公式如下：

其中，τia為用戶a觀看新媒體短視頻i的時(shí)長(zhǎng)，Ti為新媒體短視頻i的總時(shí)長(zhǎng)。只有當(dāng)τia與Ti之比大于某個(gè)給定閾值時(shí)，才能認(rèn)為用戶對(duì)新媒體短視頻操作是有效的，并進(jìn)行記錄。一般而言，新媒體短視頻實(shí)際閾值為0.3左右。至此得到用戶對(duì)新媒體短視頻的歷史操作記錄，得到用戶特征向量，為后續(xù)用戶建模奠定基礎(chǔ)。

另外，在現(xiàn)有的網(wǎng)絡(luò)情況下，新媒體短視頻總是存在各種各樣的問(wèn)題，例如：數(shù)據(jù)缺失、數(shù)據(jù)冗余等。為了保證視頻數(shù)據(jù)的完整性和可靠性，在正式建模分析之前，需要對(duì)文本描述數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理主要包括：視頻過(guò)濾和視頻融合。視頻過(guò)濾主要是去除部分重要文本信息缺失的新媒體短視頻。視頻融合主要是合并重要文本信息相似的新媒體短視頻。

（三）用戶視頻建模模塊

根據(jù)數(shù)據(jù)采集處理模塊對(duì)相關(guān)數(shù)據(jù)信息的獲取和預(yù)處理，利用深度學(xué)習(xí)和數(shù)據(jù)挖掘相關(guān)技術(shù)對(duì)視頻數(shù)據(jù)和用戶數(shù)據(jù)分別進(jìn)行建模。

（1）視頻建模

視頻建模的方法較多，基于新媒體短視頻的播放特點(diǎn)，本文通過(guò)提取新媒體短視頻重要文本描述性關(guān)鍵詞作為視頻標(biāo)簽信息，由此進(jìn)行視頻建模。

提取視頻關(guān)鍵詞的思路是分析一個(gè)詞語(yǔ)在視頻中的重要性。而一個(gè)詞語(yǔ)在視頻中的重要性取決于兩個(gè)方面：第一在視頻中出現(xiàn)的頻率，記作TF值。TF值在某種程度上可以直接體現(xiàn)出該詞語(yǔ)在該視頻中的重要程度，TF值越大，它的重要性越高;第二是這個(gè)詞語(yǔ)在所有新媒體短視頻庫(kù)中的出現(xiàn)的頻率，也叫作逆向視頻頻率，記作IDF值。TF值反映出這個(gè)詞語(yǔ)在整個(gè)視頻庫(kù)中的重要程度，如果一個(gè)詞語(yǔ)在整個(gè)視頻庫(kù)經(jīng)常出現(xiàn)，那個(gè)用該詞語(yǔ)代表某個(gè)視頻的能力反而會(huì)下降，即這個(gè)詞語(yǔ)所提供的信息量減少。因此，當(dāng)一個(gè)詞語(yǔ)在整個(gè)視頻庫(kù)出現(xiàn)的頻率越高時(shí)，對(duì)應(yīng)的IDF值就越小。

當(dāng)對(duì)所有的新媒體短視頻文本內(nèi)容進(jìn)行提取視頻關(guān)鍵詞后，就可以量化各個(gè)關(guān)鍵詞在新媒體短視頻的重要程度。去除重要程度較小的關(guān)鍵詞，保留那些重要程度較大的關(guān)鍵詞，并作為該視頻的標(biāo)簽信息，從而描述整個(gè)視頻特征，完成視頻建模。另外，還需要對(duì)新媒體短視頻進(jìn)行關(guān)鍵詞統(tǒng)計(jì)，建立視頻關(guān)鍵詞庫(kù)，生成關(guān)鍵詞索引。