一种基于用户行为偏好的视频内容访问预测与推荐方法

摘要

本发明公开一种基于用户行为偏好的视频内容访问预测与推荐方法，首先，通过聚类技术实现镜头边缘检测和提取视频的关键帧，然后基于用户评分数据，采用深度学技术CNN学视频关键帧的深度视觉特征，并进一步基于深度视觉特征向量来表征视频内容。然后通过多级贝叶斯模型构建用户行为偏好模型。最后基于用户行为偏好模型，采用线性回归技术实现视频内容访问预测与推荐。采用本发明的技术方案，有效提高了个性化视频推荐的准确度。

主权项

一种基于用户行为偏好的视频内容访问预测与推荐方法，其特征在于，包括以下步骤：S1、通过聚类技术实现镜头边缘检测和提取视频的关键帧；S2、基于用户评分数据，采用深度学习技术CNN学习视频关键帧的深度视觉特征，并进一步基于深度视觉特征向量来表征视频内容；S3、基于视频的深度视觉特征向量和观影记录，通过多级贝叶斯模型构建用户行为偏好模型；S4、基于用户行为偏好模型，采用线性回归技术实现视频内容访问预测与推荐。