[发明专利]一种基于天鹰优化算法的长视频推荐方法

权利要求书

1.一种长视频推荐模型训练方法，其特征在于，包括：

根据播放记录数据生成用户属性特征、长视频属性特征和表征用户与长视频交互行为的评分表；

根据所述表征用户与长视频交互行为的评分表生成标签数据；

将所述用户属性特征、长视频属性特征和标签数据进行拼接，生成训练数据；

利用所述训练数据对天鹰优化算法模型进行训练，得到长视频推荐模型；其中，所述天鹰优化算法模型是利用天鹰优化器替代逻辑回归算法中Logistic 回归系数寻优计算中的海森矩阵计算方式而得到的；

所述交互行为包括：点赞、收藏、观看时长和观看次数；

所述表征用户与长视频交互行为的评分表是按照以下方式生成的，包括：

根据所述播放记录数据中的用户及其播放的长视频，组成用户-长视频对；

对于每个用户-长视频对，按照下式计算表征该用户与该长视频交互行为的评分值：

其中，m表示是否点赞，n表示是否收藏，p表示观看时长，l表示该长视频的总时长，q表示观看次数，a、b、c、d为权重系数；

根据对于每个用户-长视频对的评分值生成所述评分表；

所述权重系数随时间的推移而递减；

其中，读入用户记录的时间区间间隔中起始时间，末尾时间，特定行为，时间划分以整点小时计，同一评分计算时间区间内权重最小值为，最大值为，则随着时间推移某特定行为的权重系数计算公式如下：

；

所述根据所述表征用户与长视频交互行为的评分表生成标签数据，包括：

根据表征用户与长视频交互行为的评分表的评分值分布情况设置阈值；

对于每个用户-长视频对，若评分值大于等于所述阈值，则生成标签数据1；若评分值小于所述阈值，则生成标签数据0。

2.根据权利要求1所述的方法，其特征在于，

所述将所述用户属性特征、长视频属性特征和标签数据进行拼接，生成训练数据，包括：

将每个用户属性特征和长视频属性特征进行量化，得到特征量化值；

对所述特征量化值进行独热编码处理，得到每个用户属性特征和长视频属性特征的独热编码值；

对于每个用户-长视频对，将所述用户属性特征、长视频属性特征的独热编码值和标签数据顺序排列为一条二维记录，作为训练数据。

3.一种长视频推荐方法，其特征在于，包括：

通过召回方式得到粗筛的推荐结果；

将所述粗筛的推荐结果输入长视频推荐模型得到待推荐队列，所述长视频推荐模型是基于天鹰优化算法模型训练得到的；其中，所述天鹰优化算法模型是利用天鹰优化器替代逻辑回归算法中Logistic 回归系数寻优计算中的海森矩阵计算方式而得到的；

将所述待推荐队列存储至待播放列表，等待用户操作时推荐相应视频；

所述长视频推荐模型是根据权利要求1-2任一项所述的方法训练得到的；

所述将所述粗筛的推荐结果输入长视频推荐模型得到待推荐队列，包括：将所述粗筛的推荐结果的长视频属性特征和待推荐用户的用户属性特征输入训练好的长视频推荐模型得到推荐评分，若所述推荐评分高于预设阈值，则将推荐结果放入待推荐队列，反之舍弃。