欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202310195468X
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进秃鹰搜索算法的短视频推荐方法,其特征在于,包括:记录采集用户行为历史、用户日志记录和其他交互内容;

通过Flume和Kafka对采集的用户相关信息进行提取并预处理,获取用户的显性兴趣和潜在兴趣,结合静态子画像和行为子画像生成用户个性化画像;

输入所述用户个性化画像,使用改进后的秃鹰搜索算法生成用户画像群组,最终获得更加准确的推荐方法;

所述秃鹰搜索算法的改进包括选择阶段的改进、搜索阶段位置的改进和俯冲阶段的改进;

所述选择阶段的改进包括,将樽海鞘算法中樽海鞘距离食物的距离考虑进去对秃鹰搜索阶段的公式进行改进,改进后的公式为:Pi,new=Pbest+α*r*β(Pmean‑Pi)+(1‑β)*Fj其中,α是控制位置变化的参数,r是[0,1]之间的一个随机数,Pbest是当前最优位置,Pmean表示利用前面所有点的信息,Pi为第i只秃鹰的位置,Fj表示第j维度的秃鹰全局距离食物的最优位置,Pi,new为秃鹰的更新位置,β是(0,1)之间的一个随机数;

所述搜索阶段位置的改进包括,对种群进行分类后,将樽海鞘算法的局部搜索能力的精确性与秃鹰搜索算法的全局搜索相结合;

搜索的最佳位置的公式表示为:

Pi,new=Pi+y(i)*(Pi‑Pi+1)*x(i)*(Pi‑Pmean)xr(i)=r(i)*sin(θ(i)) yr(i)=r(i)*cos(θ(i))θ(i)=a*π*rand,r(i)=θ(i)+R*rand其中,θ(i)与r(i)分别为螺旋方程的极角与极径,a与R是控制螺旋轨迹的参数,rand为(0,1)内随机数,xr(i)和yr(i)表示极坐标中秃鹰位置,max(|xr|)和max(|yr|)表示当前种群最佳的秃鹰位置,x(i)与y(i)表示最终极坐标中秃鹰位置,Pi+1表示秃鹰下一个的位置;

改进后的领导鹰位置更新公式为:

改进后的追随鹰位置更新公式为:

其中, 表示第一个樽海鞘的第j+1个维度, 表示第i个樽海鞘的第j+1个维度;

在改进秃鹰搜索算法中采用非线性惯性权重因子,定义非线性惯性权重为:其中,t为迭代次数,Tmax为最大迭代次数,exp为以自然常数e为底的指数函数;

改进后的领导鹰位置更新公式为:

改进后的追随鹰位置更新公式为:

其中, 表示第一个樽海鞘的第j+1个维度, 表示第i个樽海鞘的第j+1个维度;

通过添加自适应的惯性权重不断对领导鹰和追随鹰的位置更新,进而在解的搜索空间中不断计算新的适应度值并与旧的适应度值比较,每次迭代比较取最优的适应度值;

所述俯冲阶段的改进包括,秃鹰从搜索空间的最佳位置快速俯冲飞向目标猎物,种群其他个体也同时向最佳位置移动并攻击猎物,运动状态仍用极坐标方程描述,公式表示为:θ(i)=a*π*rand r(i)=θ(i)

xr(i)=r(i)*sinh(θ(i)) yr(i)=r(i)*cosh(θ(i))x(i)=xr(i)/max(|xr|) y(i)=yr(i)/max(|yr|)俯冲中秃鹰位置更新公式为:

Pi,new=rand*Pbest+δx+δy

Pi,new为秃鹰的更新位置,Pbest是秃鹰种群搜寻选择的最优位置,c1、c2分别表示秃鹰向最佳位置与中心位置的运动强度,δx表示为秃鹰在极坐标中x(i)方向上俯冲更新的位置,δy表示为秃鹰在y(i)方向上俯冲更新的位置;

其中,Fi为当前个体的函数适应度值,Favg为Fi均值,Fmin为Fi最小值,ωmin为ω的最小值,ωmax为ω的最大值;

改进后的秃鹰俯冲阶段公式为:Pi,new=rand*Pbest*ω+δx+δy;

改进后的所述秃鹰搜索算法步骤包括,确定聚类中心,随机选择初始化c个聚类中心,完成聚类中心初始化后,将其编码成秃鹰搜索算法中秃鹰个体的位置,生成最佳个体位置;

采用改进的秃鹰搜索算法对用户画像集合U={u1,u2,...,um}进行寻优,生成最佳秃鹰位置,把改进的秃鹰搜索算法输出的最佳位置作为模糊C均值聚类算法在进行初始聚类时的中心点,模糊C均值算法对用户画像集合进行聚类,输出最终的隶属度矩阵和聚类中心;

将所述推荐方法结合短视频数据,生成短视频推荐器,收集用户对被推荐短视频的评价反馈,进而对所述短视频推荐器进行优化。

2.如权利要求1所述的基于改进秃鹰搜索算法的短视频推荐方法,其特征在于:所述用户行为历史包括用户基本信息、短视频数据、时间位置和用户浏览历史,所述用户基本信息来自用户注册以及相关平台系统中的信息完善功能,所述短视频数据通过公开的数据集或通过自行抓取的方式获取,所述时间位置由设备时间、GPS获取,所述用户浏览历史从系统的cookies相关日志中获取。

3.如权利要求2所述的基于改进秃鹰搜索算法的短视频推荐方法,其特征在于:所述预处理包括浅层处理和深层处理,所述浅层处理利用用户直观数据,进行等级化表示、自行规定评分、阈值比对和分布式表示得到量化的结果,所述深层处理针对用户复杂数据,利用相关主题获取或挖掘技术,得到可扩展的数据特征或表示。

4.如权利要求1~3任一所述的基于改进秃鹰搜索算法的短视频推荐方法,其特征在于:所述显性兴趣通过用户在注册或日常使用APP时进行添加的信息喜好分类来确定,或者是通过文本挖掘用户在评论区和搜索框中的关键词进行语义识别并归类;

所述潜在兴趣通过在短视频平台的操作行为简单归为浏览、点赞、评论、分享和搜索五种进行收集,采取加权赋值的方法,当赋予的某一标签的累计加权数值达到一定的阈值,系统就给该用户生成相对应标签。

5.一种实现如权利要求1~4任一所述基于改进秃鹰搜索算法的短视频推荐方法的系统,其特征在于,包括:展示模块,由PC端、手机端途径的短视频显示设备组成,用于记录用户行为历史、用户日志记录和其他交互内容,通过短视频显示设备将其输出到准备模块,并通过推荐生成的短视频显示给用户,并生成用户反馈;

准备模块,用于收集所述展示模块传递来的用户相关采集信息、用户在相关网站产生的用户行为日志和短视频源采集的短视频数据,并将这些信息源进行合并输入到用户兴趣获取模块;

用户兴趣获取模块,用于对准备模块传来的用户相关信息进行提取并预处理;

用户画像生成模块,用于生成用户个性化画像;

个性化推荐模块,用于生成用户画像群组,为目标用户生成最近邻集合,并为目标用户产生项目预测评分,产生更加准确的推荐方法。