基于改进的LFM算法的短视频推荐系统的研究与实现

• 全文链接
• 请求原文

作   者：

彭宇;  宁慧;  张汝波; 

作者机构：

哈尔滨工程大学计算机科学与技术学院;  大连民族大学机电工程学院; 

关键词：

基于物品的协同过滤;  实时推荐;  短视频网站;  视频推荐;  相似度;  潜在因子模型;  用户行为;  推荐算法; 

期刊名称：

应用科技

i s s n：

1009-671X

年卷期：

2022 年 49 卷 003 期

页   码：

64-68

摘   要：

为解决传统潜在因子模型(latent factor model,LFM)算法无法为用户实时推荐的问题,本文在LFM算法的基础上结合基于物品的协同过滤(item collaborative filtering,ItemCF)算法来实现短视频的推荐.在用户对某视频表现出正反馈时,使用ItemCF算法计算与该视频相似度最高且用户未观看过的N个视频,并将其插入到以LFM算法为基础的推荐列表中,结合Redis缓存数据库,实现了短视频的在线实时推荐,极大提高了用户体验,也增加了服务器的运行效率.