許良武

（南京蘇寧軟件技術(shù)有限公司，江蘇 南京 210000）

當(dāng)今互聯(lián)網(wǎng)技術(shù)迅速發(fā)展，信息爆炸時代隨之而來。信息過載導(dǎo)致用戶無法直接從中獲取有效信息，推薦系統(tǒng)應(yīng)運而生。常見推薦算法包括：基于隱語義模型、基于協(xié)同過濾算法、基于圖的推薦[1]。以上3種方法應(yīng)用廣泛，但也存在不足：（1）新用戶冷啟動問題。（2）復(fù)雜興趣推薦問題，如用戶興趣轉(zhuǎn)移較快時推薦不準(zhǔn)。（3）可解釋性差，提取特征多為隱特征，推薦的可解釋性不直觀。

基于標(biāo)簽的視頻推薦系統(tǒng)架構(gòu)中，視頻信息包括視頻標(biāo)題、標(biāo)簽、分類、視頻簡介、導(dǎo)演演員、評分、評論等。標(biāo)簽作為視頻信息的高度抽象，通過分析用戶標(biāo)簽可以精準(zhǔn)地挖掘出用戶興趣偏好，從而為用戶推薦滿意的視頻。標(biāo)簽推薦整體架構(gòu)如圖1所示。

圖1 標(biāo)簽推薦整體架構(gòu)

1 標(biāo)簽概要

視頻播放平臺上的編輯功能為視頻打上豐富且高質(zhì)量的標(biāo)簽，能較好地抽象視頻內(nèi)容。視頻可用于推薦的內(nèi)容并不是很豐富，因此，基于標(biāo)簽推薦就成為一種重要途徑[2]。視頻信息如表1所示。

長視頻通常分為電視劇、電影、少兒、綜藝等眾多類別，本文實驗數(shù)據(jù)來自視頻播放平臺，在電影和電視劇上實驗。用戶規(guī)模選取1.2萬，電影電視劇4 200，近3個月約304萬條播放記錄。主要基于表1中tags和type字段推薦，tags標(biāo)簽池包含132個標(biāo)簽。

2 相似度計算

相似度計算在推薦召回中有多種方法，基于標(biāo)簽的相似度量通常采用Jaccard系數(shù)和余弦相似度。

Jaccard系數(shù)計算如公式（1）。給定兩個集合的交集與并集的比值，值越大說明相似度越高。若兩個集合任一為空，則相似度為0。

余弦相似度，通過兩個向量夾角的余弦值，衡量兩者相似度[3]。由公式（2）計算：

3 用戶畫像

為了達到千人千面的效果，根據(jù)用戶歷史觀看行為，獲得用戶畫像，從而推薦可能感興趣的視頻。tags標(biāo)簽池132維，而且近3個月人均播放視頻數(shù)約253個，因此，構(gòu)建132維用戶向量能很好地表征用戶興趣偏好?；跇?biāo)簽的推薦，將用戶觀看歷史所有視頻標(biāo)簽統(tǒng)計作為用戶對不同類型影片的偏好。

表1 長視頻基礎(chǔ)信息

3.1 熱門標(biāo)簽降權(quán)

用戶標(biāo)簽向量在相似計算中傾向于熱門標(biāo)簽，不能充分體現(xiàn)用戶興趣點，因此，借鑒TF-IDF思想對熱門標(biāo)簽降權(quán)[4]。如式（3）：

其中，λi為132維標(biāo)簽各維度的系數(shù)，Ni為每個標(biāo)簽在所有視頻中出現(xiàn)的次數(shù)。

3.2 時間衰減

用戶興趣轉(zhuǎn)移，觀看行為距離當(dāng)前越近，越能表征用戶真實興趣點，距離當(dāng)前越久遠，表征用戶興趣點的能力越弱。衰減系數(shù)為超參數(shù)，根據(jù)實驗效果設(shè)定。本文實驗選擇衰減系數(shù)0.95，衰減周期為一周。

3.3 播放完整度

播放完整度在一定程度上體現(xiàn)了用戶的喜愛程度，用戶畫像采用播放完整度作為不同視頻標(biāo)簽對用戶畫像的貢獻度。

用戶畫像完整過程：首先，根據(jù)時間衰減，計算不同視頻的標(biāo)簽權(quán)重，乘以播放完整度體現(xiàn)對用戶畫像貢獻度的差異，接著將所有觀看歷史標(biāo)簽累加到132維的用戶標(biāo)簽向量，再結(jié)合各維度系數(shù)λi，獲取用戶對不同興趣標(biāo)簽的偏愛程度，最后，對標(biāo)簽向量歸一化得到標(biāo)準(zhǔn)化的用戶向量。

4 基于標(biāo)簽的多路召回

推薦場景主要有“相關(guān)推薦”和“猜你喜歡”?！跋嚓P(guān)推薦”采用主題模型，“猜你喜歡”則采用多路召回，如熱門視頻、用戶協(xié)同、個性化推薦、主題模型等多維度兼顧用戶喜好和覆蓋度。

4.1 熱門視頻

長視頻的電影、電視劇等不同類型下，根據(jù)近一周視頻播放量、評論數(shù)、點贊數(shù)綜合評分獲得熱門視頻。

近一周播放量、評論數(shù)、點贊數(shù)升序排序，分別通過公式（4）映射到[0.5,1]范圍。由公式（5）加權(quán)計算綜合評分，根據(jù)評分降序排序取TOPN獲得熱門視頻。

其中，score為評分，sort_no為排序序號，size為視頻規(guī)模。

其中，totalscore為綜合評分，由播放量、評論數(shù)、點贊數(shù)評分6∶2∶2加權(quán)獲得。

4.2 主題模型

視頻標(biāo)簽通常3～5個，而標(biāo)簽池規(guī)模達到132個，視頻132維標(biāo)簽向量化表示計算視頻之間的相似度過于稀疏。因此，采用Jaccard相關(guān)系數(shù)計算相似度，倒排取TOPN。

例如，3個電影的標(biāo)簽分別為：A=（動作，愛情，武俠，香港），B=（冒險，動作，驚悚，劇情，歐美），C=（冒險，動作，劇情，大陸）。通過Jaccard系數(shù)計算，J（A，B）=0.125，J（A，C）=0.143，J（B，C）=0.5，從而得到B與C更相似。若當(dāng)前視頻是B，則給用戶推薦順序為C，A。

主題模型基于物品的相似度召回，同時結(jié)合導(dǎo)演演員標(biāo)簽信息，從而獲得相似度較高的視頻。

4.3 用戶協(xié)同

用戶協(xié)同作為應(yīng)用最廣泛的推薦算法，尋找相似用戶群，根據(jù)群體智慧推薦，通?？色@得一些相似度不高，但能讓用戶驚喜的推薦效果，拓展用戶的興趣范圍[5]。本文基于多標(biāo)簽的用戶畫像向量，通過余弦相似度、度量不同用戶的相似度，并排序得到近鄰集合，將近鄰用戶歷史播放視頻聚合統(tǒng)計，按觀看次數(shù)，倒排取TOPN，最終過濾目標(biāo)用戶已觀看視頻。

最近鄰用戶規(guī)模過小，無法體現(xiàn)集體智慧效果，規(guī)模過大又趨于熱點視頻。因此，近鄰規(guī)模的選擇對用戶協(xié)同至關(guān)重要。本文選擇近一周播放歷史作為預(yù)測集，近3個月播放記錄除預(yù)測集外均為訓(xùn)練集。近鄰規(guī)模從50起，按50間隔遞增，不同近鄰數(shù)情況下計算的準(zhǔn)確率和召回率，如圖2所示。

圖2 最近鄰數(shù)K對用戶協(xié)同效果的影響

從準(zhǔn)確率和召回率曲線來看，用戶規(guī)模較小時準(zhǔn)確率和召回率均較低，當(dāng)近鄰規(guī)模增加時兩指標(biāo)均有較大提升，當(dāng)用戶規(guī)模達到400附近時準(zhǔn)確率最高，此后開始逐漸下降，而召回率在500左右達到最高，后續(xù)維持在一定水平，當(dāng)規(guī)模超過800緩慢下降。通過準(zhǔn)確率和召回率指標(biāo)綜合權(quán)衡，選擇近鄰數(shù)為400效果最佳。

4.4 個性化推薦

基于上述用戶畫像向量，同時，將視頻表示為132維歸一化向量，采用余弦相似度計算用戶與視頻之間的相似度。本文采用向量矩陣運算如圖3所示，用戶矩陣為N行132列，視頻向量轉(zhuǎn)置得到132行M列，矩陣相乘獲得N行M列矩陣，用戶向量和視頻向量均為歸一化向量。因此，最終的N×M矩陣為N個用戶分別與M個視頻之間的相似度，根據(jù)相似度取TOPN，過濾評分較低的視頻，得到用戶的個性化推薦列表。

5 排序模型

多路召回為粗排策略，極大地縮小了推薦結(jié)果集，從多個角度覆蓋用戶的興趣，但不同召回集之間排列順序未知，因此，需要精排模型獲得統(tǒng)一的排序。

本文采用圖4經(jīng)典的3層DNN模型[6]，基于標(biāo)簽的用戶畫像向量（132維）、視頻向量（132維）以及上下文（位置、設(shè)備類型、網(wǎng)絡(luò)類型、播放時間等）信息Embedding方式構(gòu)成自變量，用戶觀看歷史的播放完整度為因變量，迭代訓(xùn)練模型，最終將多路召回集構(gòu)建Embedding特征通過模型預(yù)測用戶對每個視頻的播放完整度，倒排取TOPN。

通過DNN模型預(yù)測播放完整度，將完整度較高的視頻列表推薦給用戶，兼顧用戶興趣及視頻相似度的同時，盡可能地將高質(zhì)量視頻推薦給用戶，以此來提升用戶的滿意度和播放時長。

圖3 標(biāo)簽用戶畫像與視頻向量矩陣運算相似度矩陣

圖4 DNN播放完整度預(yù)測模型

6 結(jié)語

本文研究和實現(xiàn)基于標(biāo)簽的視頻推薦系統(tǒng)。多路召回策略后，基于標(biāo)簽的用戶畫像向量、視頻向量以及上下文信息構(gòu)建Embedding特征向量，通過3層DNN模型來預(yù)測用戶對視頻的播放完整度，根據(jù)完整度值取TOPN推薦給用戶。通過融合本文基于標(biāo)簽的推薦算法，經(jīng)過一周的線上測試數(shù)據(jù)發(fā)現(xiàn)，UV提升2.3%，PV提升12.6%，人均播放次數(shù)提升8.1%，人均播放時長提升15.3%。兼顧用戶興趣和視頻質(zhì)量，最終獲得令人鼓舞的推薦效果。