[發明專利]因果特征增強的短視頻推薦方法、電子設備和存儲介質

在審

• 申請號: 202310052390.6
• 申請日: 2023-02-02
• 公開（公告）號: CN116089718A
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 胡郅昊;田新梅
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/735;G06F18/213;G06N3/045;G06N3/084
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種因果特征增強的短視頻推薦方法，其特征在于，包括以下步驟：

S1、收集用戶與短視頻的歷史交互記錄并輸入預訓練的全連接神經網絡中進行特征提取，得到樣本特征向量集合其中，u_i表示第i條樣本(u_i,c_i)中的用戶特征向量，c_i表示第i條樣本(u_i,c_i)中的視頻特征向量；i＝1,2,…,N，N表示樣本總數；

S2、將樣本特征向量集合中每一條樣本輸入另一個兩層的全連接神經網絡中，并相應輸出所有樣本的交互特征向量集合其中，x_i表示第i條樣本(u_i,c_i)的交互特征向量；

S3、設計因果網絡并提取因果特征：

S3.1、所述因果網絡由一個降維網絡和一個DAG矩陣W構成；將交互特征向量集合輸入所述降維網絡中，并輸出d維的降維交互特征向量集合其中，X_i表示第i條樣本(u_i,c_i)的降維交互特征向量；

S3.2、基于降維交互特征向量X_i與d×d的DAG矩陣W，利用式(1)計算第i條樣本(u_i,c_i)的因果特征向量X'_i：

X'_i＝RELU(WX_i)???(1)

式(1)中，RELU為Relu激活函數；

S4、將因果特征向量集合與交互特征向量集合拼接后輸入感知機中得到模型預測值集合其中，表示第i條樣本(u_i,c_i)的預測值；

S5、由預訓練的全連接神經網絡、兩層的全連接神經網絡、因果網絡和感知機構成因果特征增強視頻推薦模型，并構建因果特征增強視頻推薦模型的損失函數L：

S5.1、利用式(2)構建感知機的損失函數L_reco：

式(2)中，sigmoid是激活函數，y_i表示第i條樣本(u_i,c_i)的真實標簽；

S5.2、利用式(3)構建因果網絡的損失函數L_casual：

式(3)中，α是一個取值在[0.1,0.2]的參數，β是一個取值在[0.05,0.1]的參數，表示二范數正則項的平方，⊙表示矩陣的Hadamard乘積，tr表示矩陣的跡；

S5.3、利用式(4)構建因果特征增強視頻推薦模型的損失函數L：

L＝L_reco+λL_casual?????(4)

式(4)中，λ是一個取值在[0.1,0.2]的參數；

S6、利用梯度下降法對因果特征增強視頻推薦模型進行訓練，并最小化所述損失函數L，從而得到最優推薦模型，并用于用戶的個性化視頻推薦。

2.一種電子設備，包括存儲器以及處理器，其特征在于，所述存儲器用于存儲支持處理器執行權利要求1所述短視頻推薦方法的程序，所述處理器被配置為用于執行所述存儲器中存儲的程序。

3.一種計算機可讀存儲介質，計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行權利要求1所述短視頻推薦方法的步驟。