面向自媒体短视频的点击率预测模型研究

发布时间：2023-04-05 03:23

　　随着移动互联网的迅速发展和移动智能设备的普及,互联网社交进入了自媒体时代。网络平台中随之涌现的海量短视频阻碍了用户准确获取真正感兴趣的视频内容,而点击率预测正是解决该问题的核心环节,因此提高点击率预测的准确率具有重要的理论意义和应用价值。本文总结了近年来点击率预测领域的研究成果,结合短视频领域的特殊业务场景,发现现今的短视频点击率预测模型存在一些不足。因此本文结合了深度学习和视频内容分析方法,提出了较现有方法准确率更高的短视频点击率预测模型。本文研究内容与结果如下:1、针对自媒体短视频特征提取不完整的问题,本文通过直接提取短视频的图像特征,行为特征,音频特征作为视频特征表示,较其他模型考虑更多的视频信息。实验结果表明,融合多模态特征的模型在AUC性能指标上较未使用多模态特征的模型提高了3.71%。2、针对用户短期兴趣挖掘不准确的问题,本文通过门控循环单元挖掘用户行为序列背后的用户兴趣。本文利用注意力机制改进了门控循环单元结构,强化了用户行为序列中相关行为对用户兴趣的影响从而实现更准确的用户兴趣挖掘。实验结果表明,本模型较其他对照模型在AUC性能指标上提高了2.39%～5.95%。3、针...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
缩略词
第一章 绪论
    1.1 课题背景和研究意义
    1.2 国内外研究现状
        1.2.1 点击率预测的研究现状
        1.2.2 视频内容分析的研究现状
    1.3 本文研究内容
    1.4 本文组织架构
第二章 相关理论
    2.1 短视频多模态特征提取模型
        2.1.1 图像特征提取模型
        2.1.2 行为特征提取模型
        2.1.3 音频特征提取模型
    2.2 短视频多模态特征融合方法
    2.3 点击率预测模型
    2.4 本章小结
第三章 基于多模态特征和兴趣演化的短视频点击率预测模型研究
    3.1 深度兴趣网络分析
    3.2 基于多模态特征和兴趣演化的短视频点击率预测模型设计
        3.2.1 短视频多模态特征提取与融合
        3.2.2 点击率预测模型整体结构设计
        3.2.3 兴趣演化层结构设计
        3.2.4 模型学习过程
    3.3 基于多模态特征和兴趣演化的短视频点击率预测模型实验分析
        3.3.1 实验配置
        3.3.2 不同模态特征组合对比实验及分析
        3.3.3 不同组件的贡献度对比实验及分析
        3.3.4 不同长度的用户行为序列对比实验及分析
        3.3.5 与其他模型的对比实验及分析
    3.4 本章小结
第四章 基于序列分段的短视频点击率预测模型研究
    4.1 分层循环神经网络与自我注意力机制分析
    4.2 基于序列分段的短视频点击率预测模型设计
        4.2.1 点击率预测模型整体结构设计
        4.2.2 兴趣演化层结构设计
        4.2.3 模型学习过程
    4.3 基于序列分段的短视频点击率预测模型实验分析
        4.3.1 实验配置
        4.3.2 不同序列长度的对比实验及分析
        4.3.3 不同组件的贡献度对比实验及分析
        4.3.4 与其他模型的对比实验及分析
    4.4 本章小结
第五章 总结与展望
    5.1 论文总结
    5.2 工作展望
参考文献
致谢
在学期间的研究成果及发表的学术论文



本文编号：3782627