基于多重粒度召回的短视频推荐系统的设计与实现

发布时间：2021-06-26 06:22

　　近年来,随着科技的进步,移动通信网络以及移动智能终端得到了快速发展,在高速网络的支撑下,短视频数据呈指数级别增长趋势,短视频行业成为了互联网主要的流量入口之一。丰富的短视频内容改变了用户的行为习惯,为用户提供了更加便捷的社交途径。短视频类型多样、内容丰富,由于其特殊的表现形式,使短视频网站很难为用户提供个性化推荐服务,因此融入推荐算法的短视频系统应运而生。个性化推荐算法能够根据用户的个人信息以及历史交互信息,挖掘出用户的喜好,为用户提供喜欢的内容。推荐算法的优劣直接影响到用户的体验,不同的推荐算法和特征处理方式,在不同的应用场景下的推荐效果不同,如何在大量短视频数据中提取有效的特征,获取最优的短视频推荐算法,为用户推荐感兴趣的内容,避免短视频网站的信息过载,成为亟待解决的问题。本文的主要工作包括以下几个方面:（l）进行抖音短视频数据的爬取,使用Fiddler进行数据抓包,解析数据接口,分析数据包中各个参数代表的含义,通过程序模拟客户端向目标服务器发送数据请求,解析服务器的响应内容,最终得到用户相关数据、短视频相关数据、交互相关数据。（2）针对短视频推荐过程中,单一算法准确率低的问题,提... 

【文章来源】：山东师范大学山东省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

一l基于深度学习的推荐系统框架

．．．．Ｃｏｎｎｅｃｔｉｏｎ：?ｋｅｅｐ－ａｌｉｖｅ??Ｃｏｎｔｅｎｔ－Ｌｅｎｇｔｈ：?２９４??Ｏｒｉｇｉｎ：?ｈｔｔｐ：／／ｗｗｗ．ｙｊ?ｓ．ｓｄｎｕ．ｅｄｕ．ｃｎ??请求行?Ｕｓｅｒ－Ａｇｅｎｔ：?Ｍｏｚｉｌｌａ／５．０?（Ｗｉｎｄｏｗｓ?ＮＴ?１０．０；??ＷＯＷ６４）??Ａｃｃｅｐｔ－Ｅｎｃｏｄｉｎｇ：?ｇｚｉｐ，?ｄｅｆｌａｔｅ??Ａｃｃｅｐｔ－Ｌａｎｇｕａｇｅ：?ｚｈ－ＣＮ，ｚｈ；ｑ＝０．８，ｅｎ；ｑ＝０．６??Ｃｏｏｋｉｅ：??ＪＳＥＳＳＩＯＮＩＤ＝０Ｄ６Ｂ０９Ａ８ＡＦＡＣ６ＣＡＢ１６Ｃ３２１Ｂ５Ｂ３３９４??ｓｃｒｉｐｔＳｅｓｓｉｏｎＩｄ＝ＡＦＤＢ０１６９Ｅ４ＥＣ９９１９７Ｆ２ＣｌＡｌＣ７４１??６９６６９??ｃＯ－ｓｃｒｉｐｔＮａｍｅ＝ＮｅｗｓｖｏｔｅＤＷＲ??请求体?ｃＯ－ｍｅｔｈｏｄＮａｉｎｅ＝ｇｅｔＮｅｗｓＬｉｎｋＵｒｌ??ｃＯ—ｐａｒａｍｌ＝ｓｔｒｉｎｇ：１３７１１７１７２０??ｃ０－ｐａｒａｍ２＝ｓｔｒｉｎｇ：ｖｓｂ??ｂａｔｃｈｌｄ＝０??图２－３?ＨＴＴＰ请求报文??据封装后即可将请求发送给服务器，当服务器收到请求数据析，得到用户的需求，然后服务器对数据库进行数据查询，，然后将结果返回给客户端。当浏览器收到响应数据后，立显示在浏览器中。ＨＴＴＰ请求响应模式如图２－４所示。??Ｉｎ?ｉｌｌ?厂?ｙｈ??

向客户端发送响应数据，客户端收到响应数据后进行解析，最后显示在客户端界面。为??了获取ＵＲＬ地址和请求参数，需要对客户端进行抓包分析，常用的抓包软件为Ｆｉｄｄｌｅｒ，??Ｆｉｄｄｌｅｒ抓包的工作流程如图２－５所示。??—ｒｅｑｕｅｓｔ—？?—?ｒｅｑｕｅｓｔ－＾??Ｏ?〇???????１?＾?ｒｅｓｐｏｎｓｅ—?＿＿?—?ｒｅｓｐｏｎｓｅ—?—＾??＝１?｜?＝??ＰＣ?Ｆｉｄｄｌｅｒ（Ｐｒｏｘｙ）?Ｗｅｂ?Ｓｅｒｖｅｒ??图２－５?ｆｉｄｄｌｅｒ工作流程图??在图２－５中，客户端与服务端不再是直接相连，而是将Ｆｉｄｄｌｅｒ作为中间代理，当客??户端发送请求时，首先经过Ｈｄｄｌｅｒ代理，Ｆｉｄｄｌｅｒ将数据拦截并进行解析，用户可以看到??请求服务器的明文ＵＲＬ以及各个请求参数。当用户需要对请求数据进行修改时，可以使??用Ｆｉｄｄｌｅｒ将发送数据进行拦截，并对数据进行修改，修改完成之后再使用Ｆｉｄｄｌｅｒ进行??发送，服务器接收到的数据即是修改后的数据。当服务端收到请求数据后，根据请求向??客户端发送响应数据，Ｆｉｄｄｌｅｒ拦截响应数据并解析，用户可以通过Ｈｄｄｌｅｒ浏览到服务器??的响应数据，最后将响应数据发送到客户端。Ｆｉｄｄｌｅｒ拦截数据操作界面如图２－６所示。??＾?Ｃ〇ｒ？？ｐ〇ｓ？ｆ?２２?Ｂｓｌｔｅ?Ｏｒｄｉｅｓｉｒａ??ｆｎｅａｄＳＴ?ｊ?Ｗｔｂｒｔｆｒｍｓ?Ｃｏｏｋｉｅｓ??ｒ；

【参考文献】：
期刊论文
[1]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)



本文编号：3250809