计算机应用研究

作者：余文婷,吴云,林建,

单位：贵州大学a.公共大数据国家重点实验室;b.计算机科学与技术学院,贵阳550025；

关键词：多模态,自监督图学习,视频推荐,多兴趣,多样性,

基金：国家自然科学基金资助项目(62266011)；贵州省科技计划资助项目(黔科合基础ZK［2022］一般119)；；

现有视频推荐方法在算法框架中引入图神经网络来建模用户—视频协同关系，学习用户和视频的表示向量，但是节点中包含的冗余噪声会限制模型的建模能力。针对以上问题，提出了一种融合多模态自监督图学习的视频推荐模型（IMSGL-VRM）。首先，在图数据增强模式下构建自监督的图神经网络模型学习多模态视图下的节点特征表示，以提升节点表示的泛化能力；其次，为了得到推荐结果的多样性，设计了多兴趣提取模块从用户历史的交互视频序列中建模用户的多兴趣；最后，融合多模态的用户多兴趣表示和视频的特征表示，使用多样性可控的方式输出推荐结果，以满足视频推荐的多样性需求。在MovieLens-1M和TikTok数据集上实验，采用准确性、召回率、NDCG和多样性等指标评估模型。实验结果表明，该模型相比经典基准模型均有显著的性能提升。

来源：2023年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第6期