本文介绍了个性化推荐系统的两种主要方法：一是利用自然语言处理技术提取用户短期和长期兴趣，结合关键词和主题进行rank排序；二是基于用户画像和视频打分的协同过滤推荐。在第一种方法中，构建了基于关键词和主题的视频档案，并使用Text rank和word2vec。第二种方法包括应用内部行为分析和矩阵分解模型（如SVD++），通过用户行为学习类别兴趣。当前重点在于第一种方法，因其产出速度快，未来计划逐步完善协同过滤推荐。
先介绍下的我们这边目前推荐系统的做的两个大方向：
1、基于自然语言处理的用户短期和长期兴趣+rank 排序。
推荐方法：a)、基于topic&keywrods等信息构建的video profile+用户行为+rank 排序构建的online or offline推荐.
目前我们的方向是构建：基于topic+keywords和基于item(video)上的用户行为特征构建图关系的item(video)的网状videos profile&connection。
目前构建video profile: 是基于item profile的keyword提取(Text rank+word2vec)，并构建基于keyWords和topic关系分类体系（基于keywords聚类(kmeans+word2vec)加上人工审核和自己添加）
最低0.47元/天 解锁文章
扫一扫
1471
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
