基于多模态特征融合的视频推荐算法

摘要

针对传统视频推荐算法过度依赖用户交互数据、忽视多模态内容信息的问题，本文提出一种基于多模态特征融合的视频推荐算法。该算法在提取视频视觉、音频与文本特征的基础上，设计基于多头注意力机制的特征融合模块，通过多模态信息聚合生成统一的深度特征表示；结合基于门控循环单元(GRU)的用户兴趣建模方法完成点击率预测。实验结果表明，所提模型在曲线下面积(AUC)、前K项精确率(precision@K)及前K项召回率(recall@K)等评价指标上均优于传统协同过滤算法与单模态基线模型。消融实验与可视化分析进一步验证了多模态融合策略与注意力机制的有效性，以及模型对多模态信息的自适应权重分配能力。该方法可为视频推荐领域中内容深度理解与个性化匹配提供有效解决方案。

关键词

视频推荐 / 多模态学习 / 特征融合 / 注意力机制 / 深度学习