好友关系型视频推荐系统的实现

《好友关系型视频推荐系统的实现》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、P&D好友关系型视频推荐系统的实现倪霓，罗毅(北京出入境检验检疫局，北京100000)摘要本文阐述的是一种基于社交好友关系的视频推荐系统的实现方式。系统已于2O12年10月8日正式上线。在该系统发布的内容信息可直接同步到新浪微博。在系统中，用户可以看新闻、听音乐、看视频，并与微博好友边看边讨论、分享。在系统的用户接口及各个展示页面方面，设计了灵活的布局类，让各个展示模块及组件以不同的方式进行组合，实现了多样的布局形式。并提供了和用户的交互，让用户定制自己的浏览面板，使得用户实现操作多元化、个性化。关键词微博；视频推荐系统；算法中图分类号：TP3文献标识码：A文章编号：1671—7597(2O

2、13)24—0024—01为了解决用户在网络上浏览视频时交互模式单一、被动，为索引的行为表，通过调用以视频id为索引的行为表可以实现缺少互动的现状，我们可以通过借助新媒体来获取看视频的用对视频信息数据进行操作；以actionid为外部键可以调用行为户在微博产品中的好友关系，从而使看视频的用户在观看视频权重配置表，通过调用行为权重配置表可以实现对用户行为评的同时感知到交互的行为。为了实现相应功能可以组建这样一分和用户行为权重信息进行操作。个系统：系统由视频管理子系统、用户行为收集子系统、播放在视频推荐系统中，对于推荐算法可以这样设计：假设用列表推荐子系统三部分组成。其中视频管理子系统主要实现用

3、户A在微博中存在好友用户l、用户2⋯用户N，当用户l、用户2⋯户对视频的上传、转码、签署视频标签功能，通过对视频、用用户N对某视频产生操作行为时，系统将从用户行为权重配置户的后台管理完成网络视频资源的收集；用户行为收集子系统表中查询出对应用户行为的行为值和行为权重，后台将根据好主要是将用户在系统中对视频的观看和交互行为日志进行收集：友们对此视频的操作行为计算并生成播放框架推荐列表。这样，播放列表推荐子系统主要是借助用户在微博中的好友关系，以在推荐系统中可以通过对某视频中用户A的好友用户(即用户及这些好友在视频管理播放子系统中的观看行为和交互行为收1、用户2--"用户N)的行为值和行为权重生成

4、播放框架推荐列表，集数据，通过对行为数据做权重算法，计算出当前用户可能感即实现了利用微博好友关系数据、视频数据、用户行为数据对兴趣的视频列表。系统中各个视频计算推荐并生成用户播放框架列表。由于系统面向国内用户使用，鉴于国内现有网络体系环境Calculate类是视频推荐算法的基础逻辑处理类，主要实和系统承载访问量等因素考虑，国内南电信北网通，且电信和现了用户的微博好友关系数据获取操作、行为配置数据获取操网通之间互联互通存在一定瓶颈，所以选在电信和网通分别布作、用户行为数据获取、视频信息数据获取和数据推荐计算操作。点，由于网络传输原因，数据库采用中心化存储。系统应用主该类分别调用微博操作类(We

5、iboInterface)、行为数据模型要分为动态应用和静态应用两种，其中静态应用主要是编辑和类(ActionMode1)、视频数据模型类(VideoMode1)；其中行运营人员通过发布系统发布的静态html页面，通过nginx做反为数据模型和视频数据模型为数据库操作模型类，提供相应数向代理，由squid提供服务。动态应用主要有后端的php虚拟据的数据库连接和数据提取操作。Calculate类会统一继承编池提供服务。码系统的MVC框架基础Base类，统一做模型和控制层的初始化数据挖掘领域的最新研究成果提供了很多优化的算法来支以及操作和类的路由方法，同时基类也调用了统一配置的全局持推荐算法模块

6、的生成。视频推荐系统主要分为推荐结果生成变量、数据基本操作(如字符串截取、字符串GBK转UTF8等)、流程以及视频推荐系统模块分析两部分。规则过滤、JSON数据处理等公共函数方法。视频推荐排序算法伪代码如下：1推荐结果生成流程

7、$config=configure：：getParams(’config’)；／／《取需要保证计算过程中使得满足推荐要求的产品数量能够达到N全局变量个就可以结束计算过程，而无须对所有的视频都进行评分预测$this一>helper(array(’string’，’filter’，’Json’)的计算。)；／／引入通用数据处理方法2视频特征管理模块分析$Fuids=$this一>getFriendListUids