朱思淼，魏世偉*，魏思恒，余敦輝，2

（1.湖北大學(xué)計(jì)算機(jī)與信息工程學(xué)院，武漢 430062；2.湖北省教育信息化工程技術(shù)研究中心（湖北大學(xué)），武漢 430062）

0 引言

隨著Web3.0 時(shí)代的到來(lái)，互聯(lián)網(wǎng)應(yīng)用技術(shù)越來(lái)越圍繞用戶個(gè)性化網(wǎng)絡(luò)而蓬勃發(fā)展，隨之而來(lái)的是海量數(shù)據(jù)下信息過(guò)載與數(shù)據(jù)篩選所帶來(lái)的挑戰(zhàn)，因此，如何為用戶提供個(gè)性化推薦成為當(dāng)下研究熱點(diǎn)之一。

近幾年，一種新型的基于視頻時(shí)間軸且可顯示在視頻中的文本評(píng)論方式——“彈幕”迅速占領(lǐng)市場(chǎng)，并廣受網(wǎng)民喜愛(ài)。起初彈幕只是小范圍流行于一些動(dòng)漫網(wǎng)站，伴隨彈幕良好的交互性與娛樂(lè)性，越來(lái)越多的主流視頻網(wǎng)站如騰訊視頻、愛(ài)奇藝視頻都增加了彈幕評(píng)論的功能，最初的動(dòng)漫彈幕網(wǎng)站嗶哩嗶哩（Bilibili）視頻網(wǎng)如今也成為了國(guó)內(nèi)最大的互聯(lián)網(wǎng)自制視頻網(wǎng)站，而世界最大的視頻網(wǎng)站YouTube 也出現(xiàn)了彈幕評(píng)論插件。彈幕評(píng)論具有社交性和情感性兩方面特點(diǎn)，可用來(lái)作為有效數(shù)據(jù)完成對(duì)視頻推薦系統(tǒng)的改進(jìn)與完善。

目前，針對(duì)彈幕評(píng)論數(shù)據(jù)的研究并不多，尤其在推薦系統(tǒng)中，彈幕數(shù)據(jù)價(jià)值尚未被充分挖掘，在當(dāng)下海量“短視頻+短評(píng)論”的視頻環(huán)境下，大量用戶的自制視頻缺少評(píng)分和分類，對(duì)于視頻的推薦仍然以傳統(tǒng)的協(xié)同過(guò)濾方法為主。彈幕不同于傳統(tǒng)的文本評(píng)論，其基于視頻時(shí)間軸的即時(shí)性，可以從一定程度上反映視頻的內(nèi)容，所以通過(guò)對(duì)于彈幕的信息挖掘后，可基于視頻內(nèi)容進(jìn)行推薦。通過(guò)對(duì)于彈幕的情感分析，可以更好地發(fā)揮彈幕自身的情感性，同時(shí)也為源源不斷的自制視頻在內(nèi)容上進(jìn)行了情感分類。

針對(duì)網(wǎng)絡(luò)上大量自制視頻缺少用戶評(píng)分、推薦準(zhǔn)確率不高和對(duì)彈幕數(shù)據(jù)情感性未充分利用的問(wèn)題，本文提出了一種基于彈幕情感分析和主題模型的視頻推薦算法（Video Recommendation algorithm based on Danmaku Sentiment Analysis and topic model，VRDSA）。通過(guò)視頻間的相似度、視頻的播放量、收藏?cái)?shù)、點(diǎn)贊數(shù)等特征計(jì)算視頻的綜合認(rèn)可度，并結(jié)合用戶對(duì)視頻的偏好度來(lái)完成對(duì)視頻的推薦。實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)彈幕進(jìn)行情感分析，并融合主題模型對(duì)視頻進(jìn)行推薦。算法充分挖掘了彈幕數(shù)據(jù)的情感性，使推薦結(jié)果更加準(zhǔn)確。

1 相關(guān)工作

1.1 中文彈幕

當(dāng)前，眾多學(xué)者對(duì)中文彈幕進(jìn)行了研究，并取得一系列成果：文獻(xiàn)［1］從傳播學(xué)角度研究了彈幕的作用與受眾，指出彈幕正以積極的態(tài)勢(shì)發(fā)展，并具有較強(qiáng)研究?jī)r(jià)值和商業(yè)價(jià)值；文獻(xiàn)［2］提出對(duì)視頻中的彈幕進(jìn)行情感分析，雖然主要針對(duì)視頻片段，但為彈幕的研究方式提供了新思路；文獻(xiàn)［3］通過(guò)對(duì)彈幕進(jìn)行分析，并根據(jù)彈幕數(shù)據(jù)提出了一種對(duì)用戶進(jìn)行聚類的算法，主要研究方向是用戶的分類；文獻(xiàn)［4］提出的融合協(xié)同過(guò)濾和主題模型的彈幕視頻推薦算法（Danmaku video Recommendation algorithm combing Collaborative Filtering and Topic model，DRCFT）融合了協(xié)同過(guò)濾和LDA（Latent Dirichlet Allocation）主題模型，基于彈幕對(duì)視頻進(jìn)行了推薦系統(tǒng)的完善，但未從情感維度對(duì)彈幕進(jìn)行分析，沒(méi)有充分利用彈幕的情感性。盡管中文彈幕有較強(qiáng)的研究意義，但目前仍存在一些研究難點(diǎn)：1）彈幕文本過(guò)于簡(jiǎn)短、口頭化；2）彈幕中容易出現(xiàn)大量網(wǎng)絡(luò)用語(yǔ)，難以使用傳統(tǒng)的情感詞典進(jìn)行分析；3）彈幕往往會(huì)出現(xiàn)與視頻相關(guān)度較低的內(nèi)容。因此，對(duì)彈幕數(shù)據(jù)的預(yù)處理是進(jìn)行彈幕研究過(guò)程中非常關(guān)鍵的步驟。

1.2 彈幕情感分析

彈幕的情感分析與傳統(tǒng)中文文本的情感分析緊密相關(guān)，但其領(lǐng)域性更強(qiáng)，且彈幕評(píng)論會(huì)隨著視頻內(nèi)容變化而不斷變化，因此不能像處理商品評(píng)論一般直接根據(jù)評(píng)論內(nèi)容判斷視頻的情感極性。目前針對(duì)彈幕文本情感分析的主要方法有基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法。情感詞典可通過(guò)人工編寫(xiě)、啟發(fā)式算法來(lái)構(gòu)建，且不同領(lǐng)域的情感詞典對(duì)文本情感分析結(jié)果也有較大的影響，文獻(xiàn)［5］提出了一種基于詞向量的情感詞典構(gòu)建方法，以多部已有中文情感詞典為基礎(chǔ)，結(jié)合詞嵌入表示方法，構(gòu)建了一部面向彈幕領(lǐng)域的情感詞典?；跈C(jī)器學(xué)習(xí)的方法需要大量的訓(xùn)練數(shù)據(jù)且依賴對(duì)數(shù)據(jù)一定規(guī)模的人工標(biāo)注，文獻(xiàn)［6］根據(jù)彈幕碎片化、口語(yǔ)化的特點(diǎn)提出了基于詞頻-逆文本頻率指數(shù)（Term Frequency-Inverse Document Frequency，TF-IDF）與支持向量機(jī)（Support Vector Machine，SVM）的情感極性分析模型，利用較少的已標(biāo)注樣本完成對(duì)大量未標(biāo)注彈幕評(píng)論樣本的情感極性分類。文獻(xiàn)［7］利用了彈幕包含時(shí)間序列的特點(diǎn)，基于長(zhǎng)短期記憶（Long Short-Term Memory，LSTM）網(wǎng)絡(luò)模型提取彈幕評(píng)論的深層特征，利用彈幕評(píng)論文本中的依賴關(guān)系突出關(guān)鍵情感詞的情感權(quán)重。由于彈幕區(qū)別于傳統(tǒng)評(píng)論的多種特性，對(duì)彈幕領(lǐng)域的情感分析研究仍有待發(fā)展。

1.3 LDA主題模型

LDA 主題模型是一種文檔主題生成模型，該模型假設(shè)每篇文章都是以一定概率選擇某個(gè)主題，然后從這個(gè)主題中以一定概率選擇一個(gè)詞語(yǔ)，最后由若干個(gè)選出的詞語(yǔ)構(gòu)成。LDA 主題模型在概率潛在語(yǔ)義分析（probabilistic Latent Semantic Analysis，pLSA）的基礎(chǔ)上利用Dirichlet 分布得到文檔主題和詞語(yǔ)的先驗(yàn)分布，并通過(guò)Gibbs 采樣來(lái)得到文檔中的文檔-主題分布和主題-詞語(yǔ)分布。LDA 主題模型的圖模型結(jié)構(gòu)如圖1所示。

圖1 中，α和β都是Dirichlet 分布，通過(guò)Gibbs 抽樣分別得到文檔i的主題分布θi和主題Zi，j的對(duì)應(yīng)詞語(yǔ)分布；通過(guò)主題分布θi得到文檔i中第j個(gè)詞的主題Zi，j；最后從詞語(yǔ)分布中采樣生成詞語(yǔ)Wi，j。

文獻(xiàn)［8］中提出了基于LDA 主題模型進(jìn)行文本相似度計(jì)算的方法，增強(qiáng)了文檔的向量表示，使相似度的準(zhǔn)確率更高；文獻(xiàn)［9-10］分別將LDA 主題模型用于推薦系統(tǒng)的改進(jìn)，但都沒(méi)有對(duì)彈幕數(shù)據(jù)進(jìn)行研究。

2 基于彈幕情感分析和主題模型的視頻推薦算法

本文從視頻內(nèi)容的情感分布、視頻的主題和視頻的認(rèn)可度三方面入手，分別對(duì)視頻的彈幕、視頻的標(biāo)簽、視頻的播放數(shù)與收藏?cái)?shù)等用戶互動(dòng)指標(biāo)進(jìn)行量化，提出了VRDSA。VRDSA 通過(guò)視頻彈幕得到視頻間情感向量的相似度，基于視頻標(biāo)簽得到視頻間主題分布的相似度，進(jìn)而得到視頻的綜合相似度，然后結(jié)合用戶的歷史記錄得到用戶對(duì)視頻的偏好度；接下來(lái)，基于視頻的播放數(shù)、收藏?cái)?shù)等指標(biāo)對(duì)視頻的大眾認(rèn)可度進(jìn)行量化，并結(jié)合用戶歷史記錄計(jì)算視頻的綜合認(rèn)可度；最后以用戶對(duì)視頻的偏好度為權(quán)重，預(yù)測(cè)用戶對(duì)視頻的認(rèn)可度，實(shí)現(xiàn)對(duì)用戶個(gè)性化的推薦。該算法解決了網(wǎng)絡(luò)自制視頻沒(méi)有用戶評(píng)分，且缺少情感標(biāo)簽因而難以針對(duì)視頻自身內(nèi)容進(jìn)行分析并推薦的問(wèn)題。

VRDSA的步驟如下：

1）對(duì)視頻中的彈幕文檔進(jìn)行預(yù)處理，使用情感詞典進(jìn)行情感詞匹配，得到視頻的情感向量，并通過(guò)情感向量計(jì)算視頻間的情感相似度。

2）對(duì)視頻自帶標(biāo)簽進(jìn)行LDA 主題建模，得到每個(gè)視頻各自標(biāo)簽的主題分布，使用標(biāo)簽的主題分布計(jì)算視頻之間的主題相似度。

3）將視頻之間的情感相似度和主題相似度進(jìn)行融合，得到視頻之間的綜合相似度，并結(jié)合用戶的歷史記錄計(jì)算用戶對(duì)目標(biāo)視頻的偏好度。

4）對(duì)視頻的點(diǎn)贊量、播放量等指標(biāo)進(jìn)行量化，得到視頻的大眾認(rèn)可度。然后結(jié)合用戶的歷史記錄與視頻的綜合相似度計(jì)算視頻的綜合認(rèn)可度以調(diào)整目標(biāo)視頻的認(rèn)可度。

5）基于用戶偏好度和視頻的綜合認(rèn)可度，將用戶對(duì)視頻的偏好度作為權(quán)重來(lái)預(yù)測(cè)用戶對(duì)視頻的認(rèn)可度，最終通過(guò)用戶對(duì)視頻的認(rèn)可度來(lái)生成top-k推薦列表，完成推薦。

VRDSA的流程如圖2所示。

圖2 VRDSA流程Fig.2 Flowchart of VRDSA

2.1 視頻基于彈幕的情感分析

2.1.1 彈幕數(shù)據(jù)獲取和預(yù)處理

雖然目前大部分視頻網(wǎng)站和應(yīng)用都加入了彈幕評(píng)論的功能，但較早引入彈幕的Bilibili視頻網(wǎng)依然是國(guó)內(nèi)最大的彈幕視頻網(wǎng)站，它擁有著大量社區(qū)用戶和網(wǎng)絡(luò)自制視頻，并且有獨(dú)特的彈幕文化，是彈幕研究的首選網(wǎng)站。因此本文利用Python中的requests庫(kù)和bs4庫(kù)來(lái)爬取Bilibili 視頻網(wǎng)中的彈幕可擴(kuò)展標(biāo)記語(yǔ)言（eXtensible Markup Language，XML）文件，去除重復(fù)彈幕，利用Jieba庫(kù)并引入文獻(xiàn)［8］中構(gòu)建的彈幕文本情感詞典對(duì)彈幕文檔進(jìn)行分詞，使用停用詞表去除彈幕中無(wú)用詞匯。經(jīng)過(guò)預(yù)處理后的每條彈幕都相當(dāng)于一個(gè)詞語(yǔ)集合。

2.1.2 視頻情感向量計(jì)算

本文選用大連理工大學(xué)中文情感詞匯本體庫(kù)及文獻(xiàn)［9］中構(gòu)建的彈幕文本情感詞典來(lái)進(jìn)行視頻情感向量的計(jì)算，處理彈幕中的網(wǎng)絡(luò)語(yǔ)言時(shí)，結(jié)合兩種情感詞典可以取得更好的效果。根據(jù)情感詞典中的詞語(yǔ)在7個(gè)情感大類中的情感強(qiáng)度對(duì)每個(gè)詞構(gòu)造一個(gè)7維的情感向量EW=，其中每個(gè)維度代表著一種感情，分別為：樂(lè)、好、怒、哀、懼、惡、驚。如“滑稽”一詞的情感向量EW=(3，0，0，0，0，3，0)，表明它在“樂(lè)”與“惡”之間都有一定的感情傾向。通過(guò)對(duì)彈幕的預(yù)處理后，每條彈幕可看作是若干詞語(yǔ)的集合，將該集合中的詞與情感詞典進(jìn)行匹配，在匹配的過(guò)程中，彈幕的其他無(wú)關(guān)詞匯會(huì)被過(guò)濾，然后將匹配后的集合中各個(gè)詞語(yǔ)的情感向量相加且歸一化處理，得到每條彈幕的情感向量為：

其中：代表彈幕d中第i個(gè)情感詞的情感向量；M為情感詞的向量求和后7 個(gè)維度中的最大值，以此進(jìn)行歸一化處理。若經(jīng)過(guò)預(yù)處理后的彈幕沒(méi)有與情感詞典相匹配的詞，則不對(duì)該條彈幕進(jìn)行計(jì)算。

對(duì)視頻中所有彈幕的情感向量求平均值，得到視頻的情感向量：

其中：n為視頻中彈幕的數(shù)量為第k個(gè)彈幕的情感向量。

2.2 視頻相似度計(jì)算

2.2.1 視頻的情感相似度

在計(jì)算得到視頻的情感向量EV后，可通過(guò)余弦相似度（Cosine Similarity）來(lái)計(jì)算兩個(gè)視頻之間的情感相似度：

其中：是視頻i的情感向量是視頻j的情感向量是視頻i的情感向量中第k個(gè)維度的情感指數(shù)。通過(guò)情感向量的余弦相似度可計(jì)算視頻i與視頻j在情感維度的相似性。

2.2.2 視頻的主題相似度

現(xiàn)在大部分視頻網(wǎng)站在用戶上傳視頻時(shí)，通常引導(dǎo)用戶為視頻添加標(biāo)簽以確定視頻的主題以便分類。標(biāo)簽一般由多個(gè)短詞語(yǔ)組成，可以從多個(gè)方面體現(xiàn)視頻的主題。這種由多個(gè)主題詞組成的標(biāo)簽可用來(lái)計(jì)算視頻之間的主題相似度。

針對(duì)視頻標(biāo)簽的處理，本文使用LDA 主題模型以多個(gè)視頻的標(biāo)簽詞語(yǔ)集合作為語(yǔ)料庫(kù)，采用Gibbs 采樣算法進(jìn)行建模，得到視頻的標(biāo)簽主題分布矩陣，并計(jì)算視頻標(biāo)簽之間的主題相似度，以此反映視頻之間的主題相似度：

其中：代表視頻i的主題分布，可將其視作一個(gè)m維的向量（m為L(zhǎng)DA 主題的數(shù)量）代表視頻i的主題分布中第k個(gè)主題的權(quán)重。通過(guò)視頻標(biāo)簽主題分布的余弦相似度計(jì)算出視頻i和j之間的主題相似度。

計(jì)算出視頻的情感相似度和主題相似度后，通過(guò)加權(quán)求和的方式將兩種相似度融合得到視頻之間的綜合相似度：

其中：simV(Vi，Vj)代表視頻i，j之間的綜合相似度；代表視頻i，j之間的情感相似度代表視頻i，j之間的主題相似度；α為權(quán)重系數(shù)。當(dāng)α=1 時(shí)，視頻的綜合相似度等于視頻的情感相似度，此時(shí)視頻缺少視頻標(biāo)簽；當(dāng)α=0 時(shí)，視頻的綜合相似度等于視頻的主題相似度，此時(shí)視頻缺少?gòu)椖弧?/p>

用戶對(duì)視頻的偏好度利用用戶的歷史觀看視頻集合Hu和集合中視頻與目標(biāo)視頻的相似度得到：

其中：simV(Vi，Vk)為用戶u歷史觀看視頻Vi與目標(biāo)視頻Vk的相似度；|Hu|為歷史觀看視頻集合的數(shù)量。

2.3 基于用戶偏好度和視頻認(rèn)可度的推薦

目前，類似于YouTube、Bilibili 這類綜合視頻網(wǎng)站平臺(tái)擁有大量網(wǎng)絡(luò)自制視頻，由于這些視頻數(shù)量多，主題雜，內(nèi)容、風(fēng)格差異大，難以像電影評(píng)分系統(tǒng)一樣來(lái)衡量視頻的認(rèn)可度，因此可以充分利用視頻的用戶互動(dòng)數(shù)據(jù)如點(diǎn)贊數(shù)、收藏?cái)?shù)、分享數(shù)等來(lái)量化視頻的認(rèn)可度。本文提出了視頻的大眾認(rèn)可度和綜合認(rèn)可度兩個(gè)認(rèn)可度量化值。

Bilibili 視頻網(wǎng)站中的視頻用戶互動(dòng)指標(biāo)如表1 所示，其中，投幣數(shù)是觀看視頻的用戶將自己的網(wǎng)站虛擬貨幣贈(zèng)送給視頻創(chuàng)作者以此作為激勵(lì)，此虛擬貨幣無(wú)需充值。

表1 視頻用戶互動(dòng)指標(biāo)Tab.1 Video user interaction metrics

基于Bilibili 視頻的用戶互動(dòng)數(shù)據(jù)的設(shè)置方式，視頻k的大眾認(rèn)可度計(jì)算方式如下：

其中：β為各用戶互動(dòng)數(shù)據(jù)指標(biāo)的權(quán)值，通過(guò)對(duì)Bilibili 視頻網(wǎng)視頻排行榜中視頻分?jǐn)?shù)的擬合，結(jié)合層次分析法（Analytic Hierarchy Process，AHP）和熵權(quán)法共同確定。考慮到評(píng)論對(duì)于視頻的評(píng)價(jià)有正向和反向，因此未將評(píng)論數(shù)replynum作為衡量視頻大眾認(rèn)可度的指標(biāo)。具體權(quán)重?cái)?shù)值如表2所示。

表2 視頻用戶互動(dòng)指標(biāo)權(quán)重Tab.2 Weights of video user interaction metrics

接下來(lái)，對(duì)未經(jīng)過(guò)歸一化處理的大眾認(rèn)可度進(jìn)行歸一化處理，得到最終的大眾認(rèn)可度：

其中MAX代表未歸一化之前大眾認(rèn)可度的最大值。

為了避免部分視頻大眾認(rèn)可度過(guò)高對(duì)推薦結(jié)果造成的影響，使用綜合認(rèn)可度來(lái)調(diào)整目標(biāo)視頻的認(rèn)可度。通過(guò)視頻的綜合相似度得到視頻k的鄰近項(xiàng)目集Nk，結(jié)合用戶u的歷史記錄項(xiàng)目集Hu得到兩個(gè)集合的交集I，使用式（8）相同方法，可以計(jì)算出交集I中任意視頻i的大眾認(rèn)可度Recpi。最后，計(jì)算交集I中視頻和目標(biāo)視頻的大眾認(rèn)可度平均值，得到目標(biāo)視頻的綜合認(rèn)可度：

其中：Recpi為視頻k的鄰近項(xiàng)目集與用戶u的歷史記錄項(xiàng)目集Hu的交集I中視頻的大眾認(rèn)可度；Recpk為目標(biāo)視頻的大眾認(rèn)可度；|I|為交集元素個(gè)數(shù)。當(dāng)交集為空集時(shí)，即視頻k的鄰近項(xiàng)目集與用戶u的歷史記錄項(xiàng)目集Hu沒(méi)有交集時(shí)，目標(biāo)視頻k的綜合認(rèn)可度Recsk為自身的大眾認(rèn)可度Recpk。

基于用戶偏好度和視頻的綜合認(rèn)可度，將用戶對(duì)視頻的偏好度作為權(quán)重來(lái)預(yù)測(cè)用戶對(duì)視頻的認(rèn)可度：

其中：preferuk表示用戶u對(duì)視頻k的偏好度；Recsk表示視頻k的綜合認(rèn)可度。

通過(guò)式（10）可以針對(duì)用戶喜好對(duì)目標(biāo)視頻的認(rèn)可度進(jìn)行調(diào)整：如果用戶對(duì)目標(biāo)視頻的偏好度較高，則用戶對(duì)此視頻的認(rèn)可度也高；如果用戶對(duì)目標(biāo)視頻的偏好度不高，則即使該視頻的綜合認(rèn)可度較高，但對(duì)該用戶而言認(rèn)可度會(huì)降低。根據(jù)VRDSA 預(yù)測(cè)出的用戶對(duì)視頻的認(rèn)可度，可得到目標(biāo)用戶認(rèn)可度最高的top-k個(gè)視頻，最終形成推薦列表并推薦給用戶。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)集

本文實(shí)驗(yàn)數(shù)據(jù)集來(lái)源于BiliBili 視頻網(wǎng)站，使用聚焦爬蟲(chóng)從該視頻網(wǎng)站的Vlog 頻道爬取3 102 個(gè)視頻的所有相關(guān)用戶互動(dòng)數(shù)據(jù)，以及3 375 877 條彈幕，涉及用戶1 015 641 個(gè)。通過(guò)數(shù)據(jù)預(yù)處理進(jìn)行彈幕去重、刪除歷史記錄稀疏用戶、剔除部分?jǐn)?shù)據(jù)異常視頻后剩余視頻2 752 條，有效活躍用戶數(shù)量1 071個(gè)，每個(gè)用戶平均約有60條歷史觀看記錄。為減小實(shí)驗(yàn)誤差，采用三折交叉驗(yàn)證的方式進(jìn)行實(shí)驗(yàn)。

3.2 評(píng)價(jià)指標(biāo)

本文使用準(zhǔn)確率（Precision，P）、召回率（Recall，R）及F值（F1）三個(gè)在推薦系統(tǒng)的評(píng)估中廣泛使用的實(shí)驗(yàn)評(píng)價(jià)指標(biāo)來(lái)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析和評(píng)價(jià)。

準(zhǔn)確率公式：

F值公式：

其中：R(u)為VRDSA 生成top-k推薦列表中的視頻項(xiàng)目；T(u)為測(cè)試集中用戶實(shí)際觀看過(guò)的視頻項(xiàng)目。

準(zhǔn)確率為成功推薦的視頻數(shù)量與top-k推薦列表中視頻數(shù)量的比值，用于衡量推薦算法的準(zhǔn)確程度；召回率為成功推薦的視頻數(shù)量與用戶觀看記錄數(shù)量的比值。隨著top-k推薦列表中視頻數(shù)量的增加，準(zhǔn)確率會(huì)降低，而召回率會(huì)增加，因而引入準(zhǔn)確率和召回率的加權(quán)調(diào)和平均值F1 來(lái)對(duì)推薦算法進(jìn)行綜合衡量。同等情況下，F(xiàn)1 越高，表明推薦算法的效果越好。

3.3 結(jié)果分析

實(shí)驗(yàn)硬件環(huán)境為Intel Core i5-7400 處理器，16 GB 內(nèi)存；軟件環(huán)境為Windows 10 x64 操作系統(tǒng)，代碼使用Python3.7.0實(shí)現(xiàn)。實(shí)驗(yàn)數(shù)據(jù)參數(shù)如表3所示。

表3 實(shí)驗(yàn)數(shù)據(jù)參數(shù)Tab.3 Experimental data parameter

3.3.1 LDA相關(guān)參數(shù)確定

在LDA 主題模型的構(gòu)建中，需要確定主題的個(gè)數(shù)和詞語(yǔ)采樣迭代次數(shù)兩個(gè)參數(shù)。設(shè)定歷史記錄數(shù)據(jù)規(guī)模為20 000，推薦數(shù)量為10，融合參數(shù)α為0，即僅使用主題相似度探究主題個(gè)數(shù)和迭代次數(shù)對(duì)精確率、召回率和F 值的影響，得到最優(yōu)參數(shù)，結(jié)果如圖3所示。

圖3 不同主題個(gè)數(shù)和迭代次數(shù)下的評(píng)價(jià)指標(biāo)Fig.3 Evaluation metrics at different numbers of topics and iterations

由圖3可知，隨著LDA主題數(shù)t增加，3個(gè)評(píng)價(jià)指標(biāo)先逐漸增大，再突然減小后出現(xiàn)波動(dòng)，在t為40 或50 時(shí)，3 個(gè)評(píng)價(jià)指標(biāo)取得了較高的值，且相較于t=90 在建模過(guò)程中更有效率。而迭代次數(shù)對(duì)評(píng)價(jià)指標(biāo)的影響并不大，從圖3可知，iteration=500 時(shí)算法有最好的效果，故確定LDA 主題個(gè)數(shù)t=40，迭代次數(shù)iteration=500。

3.3.2 數(shù)據(jù)規(guī)模和融合參數(shù)的確定

確定LDA 模型構(gòu)建的參數(shù)后，探究不同歷史推薦數(shù)量r和不同融合參數(shù)α的情況下評(píng)價(jià)指標(biāo)的變化。

1）歷史推薦數(shù)量r的確定。

確定LDA 主題個(gè)數(shù)t=40，迭代次數(shù)iteration=500，融合參數(shù)設(shè)置為0，探究不同歷史記錄數(shù)據(jù)規(guī)模r下準(zhǔn)確率、召回率、F值的變化，結(jié)果如圖4所示。

由圖4 可知，隨著歷史記錄數(shù)據(jù)規(guī)模的增加，準(zhǔn)確率、召回率、F 值都在逐漸增大，在r為70 000 時(shí)達(dá)到最大值，故確定實(shí)驗(yàn)所使用的歷史記錄數(shù)據(jù)規(guī)模r為70 000。

圖4 不同歷史記錄數(shù)據(jù)規(guī)模和推薦數(shù)量下的評(píng)價(jià)指標(biāo)Fig.4 Evaluation metrics at different history record data sizes and numbers of recommendations

2）融合參數(shù)α的確定。

得到使算法表現(xiàn)最佳的歷史記錄數(shù)據(jù)規(guī)模r后，在同樣的條件下探究不同的相似度融合參數(shù)α對(duì)準(zhǔn)確率、召回率、F值的影響，結(jié)果如圖5所示。

由圖5 可知，推薦數(shù)量對(duì)融合參數(shù)并無(wú)明顯影響，隨著α增加，3個(gè)評(píng)價(jià)指標(biāo)均先增加后降低。準(zhǔn)確率、召回率、F值在α取值為0.2～0.5 時(shí)相差不大，在α為0.3 時(shí)達(dá)到最大值，故α取0.3。僅使用主題相似度時(shí)效果較好，通過(guò)融合參數(shù)與情感相似度進(jìn)行融合后可達(dá)到最佳效果。

圖5 不同融合參數(shù)和推薦數(shù)量下的評(píng)價(jià)指標(biāo)Fig.5 Evaluation metrics at different fusion parameters and numbers of recommendations

由圖4和圖5可知，推薦個(gè)數(shù)對(duì)于歷史數(shù)量和融合參數(shù)的確定沒(méi)有明顯影響。由于隨著推薦個(gè)數(shù)增加，準(zhǔn)確率增加、召回率降低，故用F值確定最佳推薦個(gè)數(shù)，從圖4～5中可知，N為30或40時(shí)算法的效果最佳。

3.3.3 算法的有效性驗(yàn)證

在確定LDA 主題個(gè)數(shù)t為40，迭代次數(shù)iteration為500，歷史記錄數(shù)據(jù)規(guī)模r為70 000，融合參數(shù)α為0.3后，將本文提出的VRDSA 與當(dāng)前主流的四種算法，即傳統(tǒng)基于物品的協(xié)同過(guò)濾算法（itembasedCF）、基于標(biāo)簽生成的主題模型tag-LDA 算法、嵌入LDA 主題模型的協(xié)同過(guò)濾算法（Unifying LDA and Ratings Collaborative Filtering，ULR-itemCF）［16］、融合協(xié)同過(guò)濾和主題模型的彈幕視頻推薦算法（DRCFT）［4］，基于準(zhǔn)確率、召回率、F值進(jìn)行對(duì)比，驗(yàn)證在不同推薦數(shù)量N下VRDSA的有效性，結(jié)果如圖6所示。

由圖6 可知，隨著推薦數(shù)量的增加，本文算法的F 值先增加后緩慢下降，評(píng)價(jià)指標(biāo)均優(yōu)于其他四種算法，表明本文算法在不同推薦數(shù)量下推薦的效果均優(yōu)于目前主流的視頻推薦算法。在推薦數(shù)量N為10～40時(shí)均有較好的效果，算法的F值明顯高于其他算法；數(shù)值當(dāng)N超過(guò)40 時(shí)，受實(shí)驗(yàn)數(shù)據(jù)集數(shù)據(jù)規(guī)模影響，推薦算法的F 值逐漸趨于平緩下降趨勢(shì)，當(dāng)推薦數(shù)量N為60 時(shí)，本文算法的效果逐漸接近DRCFT 算法；后續(xù)若再次增大推薦數(shù)量N，所有算法的F 值均會(huì)緩慢下降。若需要進(jìn)一步凸顯本算法的優(yōu)勢(shì)，數(shù)據(jù)規(guī)模應(yīng)該進(jìn)行進(jìn)一步擴(kuò)充。

圖6 各算法不同推薦數(shù)量下的評(píng)價(jià)指標(biāo)Fig.6 Evaluation metrics of different algorithms at different numbers of recommendations

4 結(jié)語(yǔ)

本文提出了一種基于彈幕情感分析和主題模型的視頻推薦算法（VRDSA），對(duì)新興的彈幕評(píng)論進(jìn)行情感分析，結(jié)合視頻自帶標(biāo)簽對(duì)視頻的相似度進(jìn)行計(jì)算；并利用視頻的用戶互動(dòng)數(shù)據(jù)對(duì)視頻的認(rèn)可度進(jìn)行量化，解決了網(wǎng)絡(luò)自制視頻缺少合理評(píng)分的問(wèn)題，實(shí)現(xiàn)了基于用戶自身特征與視頻內(nèi)容的綜合推薦，且達(dá)到了較好的效果。針對(duì)冷啟動(dòng)問(wèn)題，一方面通過(guò)基于視頻標(biāo)簽的相似度計(jì)算，可解決因缺少?gòu)椖欢鵁o(wú)法對(duì)視頻進(jìn)行情感分析的問(wèn)題；另一方面對(duì)于缺少歷史播放記錄的新用戶，VRDSA將推薦綜合認(rèn)可度較高的視頻。

基于視頻內(nèi)容的視頻推薦相較于其他方面的推薦較有難度，而彈幕作為視頻中的實(shí)時(shí)評(píng)論還有很多內(nèi)容可以去挖掘。今后將進(jìn)一步完善彈幕的文本分析處理工作，并結(jié)合單個(gè)用戶的彈幕內(nèi)容和視頻互動(dòng)行為刻畫(huà)用戶畫(huà)像，提高推薦的準(zhǔn)確率。