深度神经网络视频新媒体短视频个性化推荐系统研究
摘要
随着互联网技术的不断发展,新媒体短视频不断丰富着人们的生活。面对海量的新媒体短视频,传统基于协同过滤算法的视频推荐系统已经不能满足人们的新媒体短视频推荐需求。对此,本文利用深度学习和数据挖掘相关技术,提出了一种基于深度神经网络模型的新媒体短视频个性化推荐系统,该推荐系统主要包括:数据采集处理模块、用户视频建模模块、神经网络训练模块、推荐视频生成模块4个部分。通过对该推荐系统的实验分析发现,通过深度神经网络模型的学习与训练,该推荐系统具备较高的推荐性能,能够充分把握用户对新媒体短视频的兴趣偏好,实用价值较高。
引文
[1]冯蓓蓓.网络学习资源个性化推荐系统的设计与开发[J].中国市场, 2017(13):363-364.
[2]高鹏.协同过滤推荐方法在新媒体领域中的应用[J].广播与电视技术, 2015(11):63-66.
[3]字云飞,李业丽,孙华艳.基于深度神经网络的个性化推荐系统研究[J].电子技术应用,2019,45(01):20-24+28.
[4]周朴雄,张兵荣,赵龙文.基于BP神经网络的情境化信息推荐服务研究[J].情报科学, 2016, V36(3):71-75.
[5]张沛朋,魏楠.基于数据挖掘技术的个性化移动推荐系统设计研究[J].西安文理学院学报(自然科学版),2017, 20(2):41-45.
[6]王庆福.基于神经网络的深度学习方法研究[J].电脑编程技巧与维护, 2016(12):49-50.
[7]胡文,宰祥顺.基于BP神经网络与隐马尔科夫模型的推荐算法[J].哈尔滨商业大学学报(自然科学版),2017, 33(5):551-555.
[2]高鹏.协同过滤推荐方法在新媒体领域中的应用[J].广播与电视技术, 2015(11):63-66.
[3]字云飞,李业丽,孙华艳.基于深度神经网络的个性化推荐系统研究[J].电子技术应用,2019,45(01):20-24+28.
[4]周朴雄,张兵荣,赵龙文.基于BP神经网络的情境化信息推荐服务研究[J].情报科学, 2016, V36(3):71-75.
[5]张沛朋,魏楠.基于数据挖掘技术的个性化移动推荐系统设计研究[J].西安文理学院学报(自然科学版),2017, 20(2):41-45.
[6]王庆福.基于神经网络的深度学习方法研究[J].电脑编程技巧与维护, 2016(12):49-50.
[7]胡文,宰祥顺.基于BP神经网络与隐马尔科夫模型的推荐算法[J].哈尔滨商业大学学报(自然科学版),2017, 33(5):551-555.