基于向量化标签的视频推荐算法研究与实现

许良武

（南京苏宁软件技术有限公司，江苏 南京 210000）

当今互联网技术迅速发展，信息爆炸时代随之而来。信息过载导致用户无法直接从中获取有效信息，推荐系统应运而生。常见推荐算法包括：基于隐语义模型、基于协同过滤算法、基于图的推荐[1]。以上3种方法应用广泛，但也存在不足：（1）新用户冷启动问题。（2）复杂兴趣推荐问题，如用户兴趣转移较快时推荐不准。（3）可解释性差，提取特征多为隐特征，推荐的可解释性不直观。

基于标签的视频推荐系统架构中，视频信息包括视频标题、标签、分类、视频简介、导演演员、评分、评论等。标签作为视频信息的高度抽象，通过分析用户标签可以精准地挖掘出用户兴趣偏好，从而为用户推荐满意的视频。标签推荐整体架构如图1所示。

图1 标签推荐整体架构

1 标签概要

视频播放平台上的编辑功能为视频打上丰富且高质量的标签，能较好地抽象视频内容。视频可用于推荐的内容并不是很丰富，因此，基于标签推荐就成为一种重要途径[2]。视频信息如表1所示。

长视频通常分为电视剧、电影、少儿、综艺等众多类别，本文实验数据来自视频播放平台，在电影和电视剧上实验。用户规模选取1.2万，电影电视剧4 200，近3个月约304万条播放记录。主要基于表1中tags和type字段推荐，tags标签池包含132个标签。

2 相似度计算

相似度计算在推荐召回中有多种方法，基于标签的相似度量通常采用Jaccard系数和余弦相似度。

Jaccard系数计算如公式（1）。给定两个集合的交集与并集的比值，值越大说明相似度越高。若两个集合任一为空，则相似度为0。

余弦相似度，通过两个向量夹角的余弦值，衡量两者相似度[3]。由公式（2）计算：

3 用户画像

为了达到千人千面的效果，根据用户历史观看行为，获得用户画像，从而推荐可能感兴趣的视频。tags标签池132维，而且近3个月人均播放视频数约253个，因此，构建132维用户向量能很好地表征用户兴趣偏好。基于标签的推荐，将用户观看历史所有视频标签统计作为用户对不同类型影片的偏好。

表1 长视频基础信息

3.1 热门标签降权

用户标签向量在相似计算中倾向于热门标签，不能充分体现用户兴趣点，因此，借鉴TF-IDF思想对热门标签降权[4]。如式（3）：

其中，λi为132维标签各维度的系数，Ni为每个标签在所有视频中出现的次数。

3.2 时间衰减

用户兴趣转移，观看行为距离当前越近，越能表征用户真实兴趣点，距离当前越久远，表征用户兴趣点的能力越弱。衰减系数为超参数，根据实验效果设定。本文实验选择衰减系数0.95，衰减周期为一周。

3.3 播放完整度

播放完整度在一定程度上体现了用户的喜爱程度，用户画像采用播放完整度作为不同视频标签对用户画像的贡献度。

用户画像完整过程：首先，根据时间衰减，计算不同视频的标签权重，乘以播放完整度体现对用户画像贡献度的差异，接着将所有观看历史标签累加到132维的用户标签向量，再结合各维度系数λi，获取用户对不同兴趣标签的偏爱程度，最后，对标签向量归一化得到标准化的用户向量。

4 基于标签的多路召回

推荐场景主要有“相关推荐”和“猜你喜欢”。“相关推荐”采用主题模型，“猜你喜欢”则采用多路召回，如热门视频、用户协同、个性化推荐、主题模型等多维度兼顾用户喜好和覆盖度。

4.1 热门视频

长视频的电影、电视剧等不同类型下，根据近一周视频播放量、评论数、点赞数综合评分获得热门视频。

近一周播放量、评论数、点赞数升序排序，分别通过公式（4）映射到[0.5,1]范围。由公式（5）加权计算综合评分，根据评分降序排序取TOPN获得热门视频。

其中，score为评分，sort_no为排序序号，size为视频规模。

其中，totalscore为综合评分，由播放量、评论数、点赞数评分6∶2∶2加权获得。

4.2 主题模型

视频标签通常3～5个，而标签池规模达到132个，视频132维标签向量化表示计算视频之间的相似度过于稀疏。因此，采用Jaccard相关系数计算相似度，倒排取TOPN。

例如，3个电影的标签分别为：A=（动作，爱情，武侠，香港），B=（冒险，动作，惊悚，剧情，欧美），C=（冒险，动作，剧情，大陆）。通过Jaccard系数计算，J（A，B）=0.125，J（A，C）=0.143，J（B，C）=0.5，从而得到B与C更相似。若当前视频是B，则给用户推荐顺序为C，A。

主题模型基于物品的相似度召回，同时结合导演演员标签信息，从而获得相似度较高的视频。

4.3 用户协同

用户协同作为应用最广泛的推荐算法，寻找相似用户群，根据群体智慧推荐，通常可获得一些相似度不高，但能让用户惊喜的推荐效果，拓展用户的兴趣范围[5]。本文基于多标签的用户画像向量，通过余弦相似度、度量不同用户的相似度，并排序得到近邻集合，将近邻用户历史播放视频聚合统计，按观看次数，倒排取TOPN，最终过滤目标用户已观看视频。

最近邻用户规模过小，无法体现集体智慧效果，规模过大又趋于热点视频。因此，近邻规模的选择对用户协同至关重要。本文选择近一周播放历史作为预测集，近3个月播放记录除预测集外均为训练集。近邻规模从50起，按50间隔递增，不同近邻数情况下计算的准确率和召回率，如图2所示。

图2 最近邻数K对用户协同效果的影响

从准确率和召回率曲线来看，用户规模较小时准确率和召回率均较低，当近邻规模增加时两指标均有较大提升，当用户规模达到400附近时准确率最高，此后开始逐渐下降，而召回率在500左右达到最高，后续维持在一定水平，当规模超过800缓慢下降。通过准确率和召回率指标综合权衡，选择近邻数为400效果最佳。

4.4 个性化推荐

基于上述用户画像向量，同时，将视频表示为132维归一化向量，采用余弦相似度计算用户与视频之间的相似度。本文采用向量矩阵运算如图3所示，用户矩阵为N行132列，视频向量转置得到132行M列，矩阵相乘获得N行M列矩阵，用户向量和视频向量均为归一化向量。因此，最终的N×M矩阵为N个用户分别与M个视频之间的相似度，根据相似度取TOPN，过滤评分较低的视频，得到用户的个性化推荐列表。

5 排序模型

多路召回为粗排策略，极大地缩小了推荐结果集，从多个角度覆盖用户的兴趣，但不同召回集之间排列顺序未知，因此，需要精排模型获得统一的排序。

本文采用图4经典的3层DNN模型[6]，基于标签的用户画像向量（132维）、视频向量（132维）以及上下文（位置、设备类型、网络类型、播放时间等）信息Embedding方式构成自变量，用户观看历史的播放完整度为因变量，迭代训练模型，最终将多路召回集构建Embedding特征通过模型预测用户对每个视频的播放完整度，倒排取TOPN。

通过DNN模型预测播放完整度，将完整度较高的视频列表推荐给用户，兼顾用户兴趣及视频相似度的同时，尽可能地将高质量视频推荐给用户，以此来提升用户的满意度和播放时长。

图3 标签用户画像与视频向量矩阵运算相似度矩阵

图4 DNN播放完整度预测模型

6 结语

本文研究和实现基于标签的视频推荐系统。多路召回策略后，基于标签的用户画像向量、视频向量以及上下文信息构建Embedding特征向量，通过3层DNN模型来预测用户对视频的播放完整度，根据完整度值取TOPN推荐给用户。通过融合本文基于标签的推荐算法，经过一周的线上测试数据发现，UV提升2.3%，PV提升12.6%，人均播放次数提升8.1%，人均播放时长提升15.3%。兼顾用户兴趣和视频质量，最终获得令人鼓舞的推荐效果。