《表2 用户u1的兴趣分布矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于用户播放行为序列的个性化视频推荐策略》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图4给出了本文推荐策略在腾讯视频数据集上的一个完整示例．首先，根据用户的播放视频日志，通过词向量模型获得视频特征向量，它是后续视频相似度计算、用户兴趣建模的关键；其次，聚类视频特征向量，实现视频细粒度分类，计算用户兴趣分布矩阵（式（11）），如表2所示．然后，根据用户历史视频播放记录中的Downtown Abbey和Game of Thrones两个视频作为种子视频，通过视频相似度（式（7））找出与这两个视频最相似的视频，其中视频Missing属于c2类，视频Rome属于c3类等；最后，生成视频推荐列表（式（12））{Rome，Spartacus，Missing，Atlantic City，Prejudice}．显而易见，视频Rome和视频Downtown Abbey的相似度为0.6，与视频Game of Thrones的相似度为0.8，综合起来Rome视频得分最高，同时也符合用户视频类别兴趣偏好．