[发明专利]视频动态推荐装置

说明书

本发明涉及社交媒体的视频挖掘和分析技术领域，具体提供了一种视频动态推荐装置，旨在解决如何准确地刻画用户的动态兴趣和视频推荐。为此目的，本发明中的视频动态推荐装置包括视频推荐模型，其可以依据一个或多个历史时刻的视频信息，获取当前时刻的推荐视频。具体地，视频推荐模型包括语义学习单元、用户行为分析单元、循环神经网络、用户相关性挖掘单元和模型训练单元。上述单元不仅可以充分挖掘视频语义信息、用户兴趣信息和不同用户兴趣的相关程度，还可以依据挖掘到的信息进行视频推荐，即实现了对用户观看视频偏好的动态刻画，提高了视频推荐的准确性，特别是提高了对互联网网络在线视频动态推荐的准确性。

技术领域

本发明涉及社交媒体的视频挖掘和分析技术领域，具体涉及一种视频动态推荐装置。

背景技术

互联网的普及带动了信息化数字化的全面发展，网络视频也得到了快速发展。目前，为了保证互联网用户能够从大量的网络视频中快速获取其感兴趣的视频信息，可以采用视频推荐算法刻画用户兴趣，进而实现视频推荐。但是，在网络视频快速更新的情况下用户的兴趣会不断地动态漂移，而当前的视频推荐算法不能捕捉用户随时间变化的动态兴趣，因此无法准确地的刻画用户兴趣，进而降低了视频推荐的准确性。

发明内容

为了解决现有技术中的上述问题，即为了解决如何准确地刻画用户的动态兴趣和视频推荐，本发明提供了一种视频动态推荐装置。

具体地，本发明中的视频动态推荐装置包括视频推荐模型，其配置为依据一个或多个历史时刻的视频信息，获取当前时刻的推荐视频；所述视频推荐模型包括语义学习单元、用户行为分析单元、循环神经网络、用户相关性挖掘单元和模型训练单元；

所述语义学习单元，配置为对预设训练集内的视频样本进行语义学习，得到视觉语义特征v_e和文本语义特征w_e；

所述用户行为分析单元，配置为对所述视频样本进行用户行为分析，得到用户的历史感兴趣主题特征u和历史观看视频特征

所述循环神经网络的输出信号为推荐视频的概率分布，在初始时刻的输入信号为T_uu，在后续时刻的输入信号为其中，所述T_u为能够将历史感兴趣主题特征u映射到所述视觉语义特征v_e或文本语义特征w_e对应维度的映射矩阵，所述T_x为能够将历史观看视频特征映射到所述视觉语义特征v_e或文本语义特征w_e对应维度的映射矩阵；所述v_{e_out}和w_{e_out}分别为依据循环神经网络得到的前一时刻最终推荐视频对应的视觉语义特征和文本语义特征；

所述用户相关性挖掘单元，配置为对所述视频样本进行用户相关性挖掘，得到满足相关性判断条件的用户集合，并且依据所述用户集合内各用户对应的视频样本优化所述循环神经网络；

所述模型训练单元，配置为对所述语义学习单元、用户行为分析单元、循环神经网络和用户相关性挖掘单元进行统一训练。

进一步地，本发明提供的一个优选技术方案为：

所述模型训练单元包括如下式所示的统一训练损失函数L：