[发明专利]一种适用于短视频推荐打散的分类方法及系统

权利要求书

1.一种适用于短视频推荐打散的分类方法，其特征在于，包括步骤：

S1、基于用户的历史短视频点击数据构建短视频转移网络；

S2、基于所述短视频转移图网络计算短视频间的转移概率；

S3、基于所述短视频转移网络，根据计算的转移概率进行随机游走生成短视频转移序列；

S4、根据所述短视频转移序列进行短视频的表示学习，生成短视频的低维度向量表示；

S5、基于所述短视频的低维度向量表示、利用聚类算法为短视频分类。

2.根据权利要求1所述的分类方法，其特征在于，所述步骤S1包括：

S11、采集用户点击的短视频、相应的点击时间及观看时间，构建历史短视频点击行为序列；

S12、基于所述历史短视频点击行为序列生成短视频转移网络。

3.根据权利要求2所述的分类方法，其特征在于，所述短视频转移网络的节点表示短视频，节点间的边表示节点间的点击顺序，当两节点存在边时，代表这两个视频在用户的短视频点击行为序列中相邻，且边的起点为点击行为序列中的前序点，边的终点为序列中的后序点；视频间边的权重为两视频的转移频次。

4.根据权利要求3所述的分类方法，其特征在于，所述转移概率为：

其中，v_i、v_j分别表示短视频v_i及v_j，N+(v_i)为短视频转移图网络中结点v_i的相邻结点的集合，M_ij为短视频转移图网络中节点v_i到节点v_j的有向边的权重，当M_ij＝0时，v_i到v_j的转移概率为0。

5.根据权利要求1所述的分类方法，其特征在于，利用短视频转移序列替代文本序列，采用Skip-Gram模型生成短视频的低维度向量表示。

6.根据权利要求1所述的分类方法，其特征在于，所述聚类算法为k-means，其最小化损失函数为：

其中，k为类别数，C_i为第i个类别，x为类C_i中的短视频节点，μ_i为类C_i的中心点：

7.一种适用于短视频推荐打散的分类系统，其特征在于，包括：

网络构建模块，用于基于用户的历史短视频点击数据构建短视频转移网络；

转移概率计算模块，用于基于所述短视频转移图网络计算短视频间的转移概率；

转移序列模块，用于基于所述短视频转移网络，根据计算的转移概率进行随机游走生成短视频转移序列；

特征表示模块，用于根据所述短视频转移序列进行短视频的表示学习，生成短视频的低维度向量表示；

聚类模块，用于基于所述短视频的低维度向量表示、利用聚类算法为短视频分类。

8.根据权利要求7所述的分类系统，其特征在于，所述网络构建模块包括：

第一生成模块，用于采集用户点击的短视频、相应的点击时间及观看时间，构建历史短视频点击行为序列；

第二生成模块，用于基于所述历史短视频点击行为序列生成短视频转移网络。

9.根据权利要求8所述的分类系统，其特征在于，所述短视频转移网络的节点表示短视频，节点间的边表示节点间的点击顺序，当两节点存在边时，代表这两个视频在用户的短视频点击行为序列中相邻，且边的起点为点击行为序列中的前序点，边的终点为序列中的后序点；视频间边的权重为两视频的转移频次。

10.根据权利要求9所述的分类系统，其特征在于，所述转移概率为：

其中，v_i、v_j分别表示短视频v_i及v_j，N+(v_i)为短视频转移图网络中结点v_i的相邻结点的集合，M_ij为短视频转移图网络中节点v_i到节点v_j的有向边的权重，当M_ij＝0时，v_i到v_j的转移概率为0。