[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

本發明公開了一種因果特征增強的短視頻推薦方法、電子設備和存儲介質，該短視頻推薦方法步驟包括：1)收集用戶與短視頻的歷史交互信息，并提取用戶和視頻的特征向量；2)將用戶特征向量和視頻特征向量輸入全連接神經網絡得到交互向量；3)將交互向量輸入因果網絡提取因果特征，得到因果向量；4)交互向量和因果向量拼接后輸入感知機計算用戶點擊視頻的概率，得到Top?K推薦列表。本發明通過因果特征增強提升了推薦的魯棒性和準確率，可以應用在短視頻推薦領域。

技術領域

本發明屬于短視頻推薦領域，具體的說是一種因果特征增強的短視頻推薦方法、電子設備和存儲介質。

背景技術

由于用戶時間碎片化、移動互聯網和智能手機的快速普及、制作門檻低等原因，短視頻最近幾年引起廣泛關注。短視頻能夠搶占用戶注意力和流量的關鍵是短視頻平臺可以根據用戶的喜好進行精準的視頻推薦。用戶的喜好往往會隨著用戶屬性的改變而迅速變化，例如用戶外出旅游時，會更傾向于了解當地的美食和景點，但是推薦系統往往會根據用戶的歷史瀏覽記錄進行推薦，不能精準捕捉到用戶屬性的變化。如果能夠通過用戶和短視頻的歷史交互記錄中學習到用戶屬性與用戶喜愛短視頻的因果關系，并且把這種因果關系作為特征增強加入到推薦模型中，可以提升推薦模型的精準度。因此，挖掘用戶屬性與用戶喜好短視頻直接的因果關系，為用戶做出更加精準且魯棒的短視頻推薦已經成為短視頻平臺關心的重要問題。

發明內容

本發明是為了解決上述現有技術存在的不足之處，提出一種因果特征增強的短視頻推薦方法、電子設備和存儲介質，以期能挖掘用戶屬性與用戶喜好短視頻直接的因果關系，并對用戶提供更加精準的推薦。

本發明為達到上述發明目的，采用如下技術方案：

本發明一種因果特征增強的短視頻推薦方法的特點在于，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：