童謠

摘要：隨著電子商務(wù)網(wǎng)站和在線視頻播放平臺(tái)的發(fā)展，視頻電商已經(jīng)成為電子商務(wù)公司和在線視頻播放平臺(tái)的核心發(fā)展業(yè)務(wù)。視頻電商可以擴(kuò)展現(xiàn)有電子商務(wù)公司的業(yè)務(wù)范圍。其次視頻電商也可以幫助視頻播放平臺(tái)將視頻觀看流量轉(zhuǎn)化為商業(yè)收益。為解決流量轉(zhuǎn)化率低、成交率低、電商直播場景粗糙以及用戶體驗(yàn)較差的難題，需要極致的高清視頻配置，對商品進(jìn)行更多細(xì)節(jié)展示，電商直播場景打造得更加逼真。本文研究了基于深度學(xué)習(xí)（Deep Learning）、統(tǒng)計(jì)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的針對在線視頻電商平臺(tái)應(yīng)用的關(guān)鍵技術(shù)和算法。運(yùn)用人工智能（Artificial Intelligence）AI技術(shù)實(shí)現(xiàn)智能推薦、智能識(shí)別與精準(zhǔn)匹配等功能，在語音和圖像識(shí)別方面取得卓越成效，使機(jī)器模仿視聽和思考等人類的活動(dòng)，解決了視頻電商應(yīng)用領(lǐng)域很多復(fù)雜的模式識(shí)別難題，使得人工智能相關(guān)技術(shù)在視頻電商應(yīng)用方面取得了很大進(jìn)步，本文主要研究對象是針對在線視頻廣告推薦任務(wù)來開展，結(jié)合多種關(guān)鍵技術(shù)發(fā)明了一個(gè)名為Video eCommerce ++的在線視頻廣告推薦系統(tǒng)，從視頻匹配推薦關(guān)鍵技術(shù)、視頻超鏈接預(yù)測、自動(dòng)通用屬性識(shí)別三個(gè)方面進(jìn)行舉例說明，以期為電子商務(wù)行業(yè)和AI行業(yè)科研人員提供有價(jià)值的參考。

關(guān)鍵詞：視頻電商;深度學(xué)習(xí);智能推薦;AI識(shí)別;視頻超鏈接預(yù)測;

1前言

隨著人工智能（Artificial Intelligence）的發(fā)展，越來越多的基于深度學(xué)習(xí)（DL， Deep Learning）、統(tǒng)計(jì)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的新方法被廣泛地用來提高現(xiàn)有的識(shí)別、檢索和推薦系統(tǒng)的性能。在這樣的時(shí)代背景下，本文主要研究了基于深度學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)技術(shù)的視頻電商關(guān)鍵應(yīng)用技術(shù)。這一系列的研究成果將直接為視頻電商業(yè)務(wù)平臺(tái)的建設(shè)和發(fā)展提供理論與系統(tǒng)支持[1]。隨著AR、VR等黑科技在電商直播場景中的廣泛應(yīng)用，直播電商對于底層技術(shù)的要求也會(huì)越來越高。在未來，那些能夠?yàn)橄M(fèi)者提供低延時(shí)直播的觀看服務(wù)、高清的視覺享受和安全的購物體驗(yàn)的直播電商終將脫穎而出，贏得市場的青睞。

2 視頻匹配推薦關(guān)鍵技術(shù)

2.1 在線視頻廣告推薦

商品廣告可以幫助用戶了解到商品的具體信息。不同于傳統(tǒng)電子商務(wù)平臺(tái)的廣告推薦，在線視頻廣告推薦旨在幫助用戶能在觀看視頻的同時(shí)瀏覽到符合其購物興趣的商品廣告。在線視頻廣告推薦需要同時(shí)考慮用戶、商品和視頻及其相互之間的關(guān)系，并解決傳統(tǒng)商品廣告檢索和推薦系統(tǒng)所普遍存在的冷啟動(dòng)和數(shù)據(jù)稀疏等經(jīng)典問題。除此以外，在線視頻廣告推薦還需要通過分析視頻的內(nèi)容來決定合適的廣告插入點(diǎn)，進(jìn)而減少對用戶觀看體驗(yàn)的干擾。同時(shí)為了能夠?qū)Ａ坑脩舻脑诰€行為作出實(shí)時(shí)響應(yīng)，大規(guī)模在線視頻廣告推薦系統(tǒng)還需要實(shí)時(shí)地完成模型的訓(xùn)練和測試[2]。

2.2 視頻衣物精確匹配

不同于傳統(tǒng)的基于街拍圖像的相似性衣物匹配系統(tǒng)，在線視頻衣物精確系統(tǒng)旨在幫助用戶在觀看視頻的同時(shí)可以精確地購買到視頻中出現(xiàn)的明星同款。在線視頻衣物精確匹配系統(tǒng)必須同時(shí)解決[3]：（1）電商網(wǎng)站衣物圖像的復(fù)雜背景及各種噪聲（例如：形變、扭曲和遮擋），（2）在線視頻播放平臺(tái)中的衣物序列的動(dòng)態(tài)變化（例如：多視角）。除此以外，在線視頻衣物精確匹配系統(tǒng)還需要分析視頻衣物序列，來決定最佳的衣物匹配結(jié)果插入點(diǎn)，進(jìn)而減少對用戶觀看體驗(yàn)的干擾。同時(shí)為了能夠?qū)崟r(shí)解決海量衣物的精確匹配，大規(guī)模在線視頻衣物精確匹配系統(tǒng)還需要實(shí)時(shí)地完成模型的訓(xùn)練和測試。綜上所述，本文認(rèn)為大規(guī)模在線視頻衣物精確匹配任務(wù)是一個(gè)極具商業(yè)價(jià)值和學(xué)術(shù)意義的研究課題[4]。

2.3 視頻超鏈接預(yù)測

和網(wǎng)頁超鏈接相類似，視頻超鏈接旨在幫助用戶瀏覽在線視頻。不同于網(wǎng)頁超鏈接，視頻超鏈接還必須要考慮用戶、視頻及其之間的相互關(guān)系。系統(tǒng)推薦的視頻超鏈接必須同時(shí)滿足流行性、確定性和多樣性。其中流行性可以保證推薦的視頻鏈接可以包含足夠多的話題和內(nèi)容。確定性可以保證推薦的視頻超鏈接能夠?qū)Ξ?dāng)前瀏覽的視頻提供清晰和明確的補(bǔ)充說明。

2.4 自動(dòng)通用屬性識(shí)別

在計(jì)算機(jī)視覺和多媒體研究領(lǐng)域，屬性識(shí)別被公認(rèn)為是檢索、匹配和推薦等系統(tǒng)的基礎(chǔ)。屬性識(shí)別模型可以對輸入圖像得到其所包含的語義信息。不同于傳統(tǒng)的屬性識(shí)別方法需要人為設(shè)計(jì)屬性識(shí)別網(wǎng)絡(luò)和解決不同屬性集合之間的遷移問題，本文研究的自動(dòng)通用屬性識(shí)別模型旨在自動(dòng)設(shè)計(jì)屬性識(shí)別網(wǎng)絡(luò)和遷移不同的屬性集合[5]。

針對這些問題，如圖1所示，本文提出了一個(gè)名叫Video eCommercet+的大規(guī)模在線視頻廣告推薦系統(tǒng)。該系統(tǒng)可以將電子商務(wù)網(wǎng)站的商品廣告推薦給視頻播放平臺(tái)的用戶。其中的商品是來自阿里巴巴集團(tuán)旗下的最大的B2C在線零售平臺(tái)天貓商城的10億個(gè)商品廣告。視頻則是來是阿里巴巴集團(tuán)旗下的天貓魔盒的8000部電影、2600部電視劇、2100個(gè)娛樂節(jié)目和25000個(gè)教育節(jié)目。該系統(tǒng)的設(shè)計(jì)目標(biāo)是在語義相關(guān)的視

系統(tǒng)的業(yè)務(wù)流程頻關(guān)鍵幀中向不同的用戶展示符合其購物個(gè)性化需求的商品廣告。據(jù)本文所知，Video ecommercet+是第一個(gè)在線大規(guī)模視頻廣告推薦系統(tǒng)。該系統(tǒng)可以綜合考慮用戶、視頻和商品之間相互關(guān)聯(lián)。

3 Video eCommercet+系統(tǒng)框架及預(yù)處理步驟

3.1 系統(tǒng)框架概述

木章提出了一個(gè)名為Videoe Commercet+的大規(guī)模在線視頻廣告推薦系統(tǒng)，其框架圖如圖2所示。

首先該系統(tǒng)對視頻和商品進(jìn)行預(yù)處理。在視頻結(jié)構(gòu)分析之后，視頻被表示為一組關(guān)鍵幀的集合。通過在關(guān)鍵幀中進(jìn)行物體檢測和場景分類，該系統(tǒng)獲得視頻關(guān)鍵幀的視覺和語義信息。于此同時(shí)，該系統(tǒng)也對商品做了類似的預(yù)處理，以獲得商品的視覺和語義信息。在處理步驟之后，該系統(tǒng)利用雙因素回歸模型（Incremental Co-Relation Regression，ICRR），用戶購物興趣挖掘模型（User Preference Diffusion，UPD）和視頻場景重要度排序模型（Video Scene Importance Model，VSIM）來分別得到用戶、視頻和商品之間關(guān)聯(lián)關(guān)系。

3.2視頻和商品預(yù)處理

對視頻進(jìn)行結(jié)構(gòu)化分析。該方法比較連續(xù)視頻幀之間的變化，可以大致確定視頻的鏡頭分布。每個(gè)鏡頭將包含最多視覺信息的視頻幀作為鏡頭的關(guān)鍵幀。這里規(guī)定每個(gè)鏡頭只含有一個(gè)關(guān)鍵幀。這樣做的好處是，保證廣告推薦點(diǎn)的稀疏性，從而盡減少對用戶觀看體驗(yàn)的影響。最終經(jīng)過視頻結(jié)構(gòu)化分析，本章可以將視頻表示成為一組關(guān)鍵幀集合。

在物體檢測預(yù)處理中，因?yàn)樾枰С趾Ａ康纳唐泛鸵曨l，所以無法對視頻關(guān)鍵幀中的所有的物體都標(biāo)注檢測框。為了解決這一問題、本章采用文獻(xiàn)[7]提出的自適應(yīng)大規(guī)模物體檢測框架。不同于傳統(tǒng)的方法需要標(biāo)注所有被檢測物體的檢測框，該方法可以只需要標(biāo)注視頻幀中含有的物體類別。這里本章利用了原作者提供的預(yù)訓(xùn)練模型在170個(gè)常見商品類目中對預(yù)訓(xùn)練模型進(jìn)行微調(diào)。微調(diào)后的檢測模型可以有效地支持170個(gè)常見的商品類目，這些類目包含服裝、家具和電器等常用商品[6][7]。

3.4 用戶購物興趣挖掘模型

本節(jié)介紹了用戶購物興趣挖掘模型（User Preference Diffusion，UPD）。受之前工作182的啟發(fā)，本章利用了異構(gòu)信息網(wǎng)絡(luò)中的元路徑來得到用戶對于商品的購物興趣偏好。在介紹UPD模型之前，本小節(jié)將先介紹異構(gòu)信息網(wǎng)絡(luò)和元路徑的定義。

3.5 用戶購物興趣挖掘模型融合參數(shù)分析

本小節(jié)將詳細(xì)分析用戶購物興趣挖掘模型（UPD）模型中的元路徑融合參數(shù)。首先實(shí)驗(yàn)按照視頻類別，將數(shù)據(jù)集分為電影、電視和綜藝，來探究不同種類視頻的元路徑融合參數(shù)。其次按照視頻的上傳時(shí)間，實(shí)驗(yàn)將視頻按照上傳時(shí)間為三個(gè)子數(shù)據(jù)集，即2015-11，2015-12和2016-01，來探究元路徑融合參數(shù)對于時(shí)間變化。其中按照時(shí)間劃分的三個(gè)子數(shù)據(jù)集的視頻數(shù)量大致相同。同時(shí)為了保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，在天貓魔盒平臺(tái)邊看邊買項(xiàng)目中一共采集了十組用戶（每組400人）來進(jìn)行交叉驗(yàn)證。

分布式實(shí)現(xiàn)。在實(shí)際系統(tǒng)實(shí)現(xiàn)中，Videoe Commerce會(huì)把雙因素回歸模型（ICRR）的結(jié)果輸入了到這些用來對照的檢索或推薦系統(tǒng)中，從而獲得最終的廣告推薦結(jié)果。

圖4顯示了Videoe Commercet+系統(tǒng)和其他對照方法的對比結(jié)果?？偟膩碚f，Videoe Commercet+在所有指標(biāo)上都優(yōu)于其他的對照方法。這一結(jié)果充分說明了該方法的有效性。其次我們發(fā)現(xiàn)三種推薦模型比三種檢索模型都取得了更好的結(jié)果。系統(tǒng)推薦結(jié)果示例如下圖5所示

結(jié)論

隨著電子商務(wù)網(wǎng)站和在線視頻播放平臺(tái)的發(fā)展，視頻電商已經(jīng)成為電子商務(wù)公司和在線視頻播放平臺(tái)的核心發(fā)展業(yè)務(wù)。視頻電商可以擴(kuò)展現(xiàn)有電子商務(wù)公司的業(yè)務(wù)范圍。其次視頻電商也可以幫助視頻播放平臺(tái)將視頻觀看流量轉(zhuǎn)化為商業(yè)收益。在這樣的時(shí)代背景下，本文研究了基于深度學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的針對在線視頻電商平臺(tái)應(yīng)用的關(guān)鍵技術(shù)和算法。其主要研究工作包括：針對在線視頻廣告推薦任務(wù)，本文提出了一個(gè)名為Video eCommerce ++的在線視頻廣告推薦系統(tǒng)。

參考文獻(xiàn)：

[1]付云.2011，電商與視頻的協(xié)奏曲[J].互聯(lián)網(wǎng)周刊（22）：19.

[2]黃升民，劉珊.2011.三網(wǎng)融合下“全媒體營銷”建構(gòu)[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），（02）：1-8.

[3]黃升民，周艷，龍思薇2013，八問OTT-OTTTV對電視產(chǎn)業(yè)的影響和對策解析[J.現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），（10）

[4]韓溢.2014.視頻與電商合一，距離品效雙贏還有多遠(yuǎn)？[J].成功營銷，（12）：18-19.

[5]高森宇.2015？社會(huì)化網(wǎng)絡(luò)中“粉絲經(jīng)濟(jì)”的營銷分析J.現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），（10）：118-121.

[6]康瑾.2015，原生廣告的概念、屬性與問題[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），（03）：112118.

[7]孔清溪.2009，隱性與顯性的優(yōu)勢互補(bǔ)-內(nèi)容營銷與傳統(tǒng)廣告的全方位解析[J.廣告大觀（理論版），（02）：17-20

[8]李蕾.2014，內(nèi)容營銷理論評述與模式分析[J].東南傳播，（07）：136-139.[29]林雍，王興華.2016，探析網(wǎng)絡(luò)視頻的產(chǎn)業(yè)化發(fā)展-以愛奇藝為例[J].今傳媒，（05）

[9]彭蘭.2015，場景：移動(dòng)時(shí)代媒體的新要素[J].新聞?dòng)浾?，?3）：20-27.