Aug, 2023

视频流媒体平台基于内容的推荐引擎

PDF
TL;DR本研究提出了一个基于内容的推荐引擎，通过使用机器学习算法为用户提供视频建议，该引擎基于用户先前的兴趣和选择。我们将使用 TF-IDF 文本向量化方法来确定文档中单词的相关性，然后通过计算它们之间的余弦相似度来找出每个内容之间的相似度。最后，根据获取的相似度分数值，引擎将向用户推荐视频。此外，我们将通过计算所提出系统的准确率、召回率和 F1 得分来评估引擎的性能。
recommendation enginecontent-basedvideo suggestiontf-idf text vectorizationcosine similarity
发现论文，激发创造
  • Shadfa 0.1: 伊朗电影知识图谱及基于图嵌入的推荐系统

    本文提出了一种组合了 TF-IDF 和 KGE 的加权内容推荐系统，用于嵌入文本数据和命名实体。通过复合方法，还使用从电影相关网站爬取的数据集和 FarsBase KG 的结构来构建 MovieFarsBase KG，该方法明显优于传统的 TF-IDF 方法。

    Oct, 2022

  • 从词嵌入到物品推荐

    本研究使用 Word2Vec 技术应用于推荐系统领域，通过利用 Check-ins 这一非文本特征向用户推荐地点，实验结果表明使用 Word2Vec 对推荐系统中物品的连续向量表示能够取得良好的效果。

    Jan, 2016

  • 基于文本分类学习的内容推荐系统

    该研究描述了一种利用信息提取和机器学习算法进行文本分类的基于内容的书籍推荐系统，初步实验结果表明该方法可以产生准确的推荐。

    Feb, 1999

  • 学习内容相似度进行音乐推荐

    本文提出一种由协同过滤数据样本优化得到的基于内容相似度度量的音乐推荐系统，能够对于新颖或不受欢迎音乐领域的查询给出高精度和高效率的回答，并且在实验中得出了显著的精度改善。

    May, 2011

  • 基于内容的视频检索系统

    本文综述了从视频数据中提取用于索引和检索的有趣特征以及相似性测量方法，同时识别现有的内容基视频检索系统研究问题。

    May, 2012

  • 基于评论一致性的电影推荐系统

    本文提出基于协作和内容的混合推荐系统，结合顶级评论家一致性和电影评分，建立一个推荐模型，可基于用户喜好和评论家评分综合推荐电影。

    Dec, 2021

  • 综合视频理解：基于内容的视频推荐器设计的视频摘要

    该论文将视频摘要提出了内容为基础的推荐问题，使用可扩展的深度神经网络在显式建模的片段和视频上进行预测，通过场景和动作识别来寻找视频理解任务不同方面之间的相关性，同时讨论音频和视觉特征在总结任务中的影响，并通过数据增强和多任务学习来防止模型过度拟合。该模型最终在 ICCV 2019 CoView Workshop Challenge Track 中获得第一名。

    Oct, 2019

  • 基于内容的引用推荐

    该研究提出了一种基于内容的方法来推荐论文草稿中的引用，通过将请求文档嵌入到向量空间中，再使用其最近邻作为候选项，并使用区分观察和未观察到的引用的判别模型对候选项进行重新排序，无需元数据，得到了相对于标准数据集的显著提升。

    Feb, 2018

  • 基于内容的视频相关度预测挑战：数据，协议和基线

    通过视频信息的音频、文字、帧和元数据等特征，预测视频的相关度，以提供个性化的推荐，并解决推荐系统中的新视频问题，其中 Hulu 在 ACM Multimedia Conference 2018 主办了挑战赛，提供了海量视频资源和基于真实系统的相关数据来评估算法表现。

    Jun, 2018

  • 音乐推荐的深度内容 - 用户嵌入模型

    本文提出了一种深度内容 - 用户嵌入模型，它采用混合方法解决了冷启动问题，并考虑了不同模式数据的联合，同时在音乐推荐和音乐自动标记任务中，表现出了明显的优势。

    Jul, 2018