基于知识图谱的短视频实时推荐方法研究

摘要

短视频可以使用户在碎片化的时间里获得丰富的内容信息，具有录制简单、传播速度快、占用带宽少等特征，得到了越来越多人的青睐.但同时短视频用户的兴趣具有时间敏感性，即倾向获取最新短视频，因此，提升短视频推荐的实时性是当前研究的热点.知识图谱可以将丰富的交互关系信息以及用户和短视频的属性信息融合起来，因此利用知识图谱进行表征，可以提升短视频推荐的实时性，本文提出了一种基于知识图谱的短视频实时推荐方法.该方法首先通过注意力机制提取短视频的属性特征，然后使用融合了时间信息的知识图卷积网络来表示丰富的用户与短视频的信息，用以表征用户的短期兴趣，同时将用户历史浏览信息通过图卷积得到用户的长期兴趣，最后通过RNN(循环神经网络)模型将长短期兴趣进行融合，得到最终的实时推荐结果.通过实验验证，本文所提方法比FM(因子分解机)、LSTM(长短时记忆)网络等主流的动态推荐方法的准确率、召回率均有所提升.

关键词

实时推荐 / 短视频 / 知识图谱 / 图卷积网络 / 长短时记忆网络

基金资助

辽宁省教育厅科学研究基金面上项目(LJKZ0085,LJKMZ20220447); 辽宁省科学技术厅项目(2023JH4/10700056); 2022年辽宁省本科教学改革项目(2022-21)