[发明专利]一种基于粒子群算法的视频推荐方法

摘要

本发明公开了一种基于粒子群算法的视频推荐方法，按如下步骤进行S1、确定视频文件的评价指标；S2、抽取所有视频文件的评价指标；S3、随机选取三个视频文件作为初始种群，计算三个视频文件的匹配度；S4、计算每个视频的速度向量并进行更新；S5、根据每个视频文件的当前位置和速度向量更新视频文件的位置，位置更新公式为xi(t+1)=xi(t)+vi(t+1)；S6、计算维度值将维度值表中最小值的视频文件推荐给用户。本发明用简单的向量及权重方式来表示用户喜好及影片特征，并利用改进的粒子群算法对相似度匹配过程进行优化，获得更简洁快速的影片推荐效果。

主权项

一种基于粒子群算法的视频推荐方法，其特征在于，按如下步骤进行：S1、确定视频文件的评价指标，并获取用户对每个评价指标的喜好，建立评价用户喜好的维度表；同时，根据用户对评价指标的喜好项的个数分配权值，得到用户对评价指标的重视度权值向量；S2、抽取所有视频文件的评价指标，并根据用户的维度表和兴趣向量表得到所有视频文件的粒子位置向量；S3、随机选取三个视频文件作为初始种群，计算三个视频文件的匹配度，匹配度为用户对评价指标的重视度权值向量与视频文件的粒子位置向量的点积，将匹配度最低的视频文件所处位置作为全局最优位置；S4、根据全局最优位置、每个视频文件的历史最优位置和每个视频文件的当前位置，计算每个视频的速度向量并进行更新，速度向量Vi(t+1)＝ω×Vi(t)+C1×rand()×(pi(t)‑xi(t))+C2×rand()×(gi(t)‑xi(t))其中，ω、C1、C2是粒子群算法的固有参数；Vi(t)为第t次计算得到的视频文件的速度，如果t＝1，则Vi(t)＝0；C1×rand()×(pi(t)‑xi(t))为视频文件的当前位置；C2×rand()×(gi(t)‑xi(t))为视频文件的历史最差位置；rand()代表生成随机数的函数，这个函数可以随机产生一个[0,1]之间的数值，pi(t)表示在这一轮进化中第i个粒子的历史最优位置，gi(t)表示在这一轮进化中粒子种群的历史最优位置，xi(t)表示在这一轮进化中的第i个粒子的当前位置向量，这三个值是随着粒子群算法每轮迭代而更新的；粒子群算法迭代一次，更新每个粒子的当前位置，粒子在进化过程中，保存有该粒子历史最优位置；S5、根据每个视频文件的当前位置和速度向量更新视频文件的位置，位置更新公式为：xi(t+1)＝xi(t)+Vi(t+1)，其中，xi(t)为第t次计算时的位置，Vi(t+1)为第t+1次计算时的速度向量；针对粒子位置是离散的情况：步骤S5中，每个视频文件更新位置向量时的方法为：最多需要移动5次位置，才移动到下一轮的位置向量上，计算该维度上当前位置向量和速度向量的和，并根据粒子位置在该维度的排序，移动到最近的位置，然后更新当前位置向量；S6、依次将每个视频文件当前位置向量的每个维度和速度向量的每个维度相加，得到维度值，建立各维度值表，将维度值表中最小值的视频文件推荐给用户。