收稿日期:2022-11-29∗基金项目:西安市社科基金项目《感性共同体视角下短视频与西安城市形象的建构》(22LW199)作者简介:骆欣(1981-),女,陕西咸阳人,硕士研究生,副教授。结合内容特征提取和弹幕文本的短视频推荐模型构建及仿真∗骆欣1,纪颖2(1.西安翻译学院,西安,710105;2.上海微电子装备(集团)股份有限公司,上海201203)摘要:针对现有短视频推荐准确率不高的问题,提出一种融合视频内容与弹幕文本分析的短视频推荐方法。该推荐方法中首先采用LDA模型提取弹幕文本主题,然后提取出短视频内容特征,再根据短视频的高光时刻生成候选推荐列表;在候选推荐列表生成基础上,运用RNN对用户的长期兴趣进行建模,使用门控单元GRU处理短期兴趣,最终提出了一种结合长短期的短视频推荐模型,对用户进行推荐。结果证明,深度学习方法可最大化地获取短视频的内容特征,提高处理效率;结合用户长短期兴趣的短视频推荐模型在准确率、召回率以及MRR平均倒数排名等评价指标上优于其他目前使用广泛的推荐模型。由此说明,提出的推荐方法,可以更好地运用在实际推荐中。关键词:个性化推荐;弹幕文本;视频内容特征;长短期兴趣中图分类号:TP399文献标识码:ADOI编码:10.14016/j.cnki.1001-9227.2023.01.042ConstructionandSimulationofshortvideorecommendationmodelcombiningcontentfeatureextractionandbulletscreentextLUOXin1,JIYing2(1.XianFanyiUniversity,Xi’an710105,China;2.ShanghaiMicroelectronicsEquipment(Group)Co.,Ltd.,Shanghai201203,China)Abstract:Aimingattheproblemsoflowaccuracyandlowefficiencyintheexistingshortvideorecommendationalgo-rithms,ashortvideorecommendationmethodcombiningvideocontentandbulletscreentextanalysisisproposed.Thisrecom-mendationmethodusesLDAmodeltoanalyzethebulletscreentextanddetermineitstheme,thenextractsthecontentfeaturesofshortvideothroughdeeplearningmethodandCNNanalysis,andfinallygeneratesacandidaterecommendationlistaccord-ingtothehighlighttimeofshortvideo.Inthismethod,users’long-termandshort-terminterestsarecombinedtogenerateashortvideorecommendationmodelcombiningusers’long-termandshort-terminterests.Afterthecomparativeexperiment,theexperimentalresultsshowthattheshortvideorecommendationmodelcombinedwithusers’long-termandshort-termin-terestsissuperiortoothermainstr...
