面向多源动态环境的视频直播推荐系统设计与实现

作     者：唐材源 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：潘鹏

授予年度：2020年

学科分类：0810[工学-信息与通信工程] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 081001[工学-通信与信息系统] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：推荐系统 元学习 分布式爬虫 冷启动 

摘      要：随着直播行业的迅猛发展,观看直播成为了大量用户的主要文娱活动之一。但是各大直播平台的相互独立性一方面影响了用户体验,一方面难以满足相关部门的监管需求,将各大直播平台动态聚合成为必要。直播平台自身发展的过程中,平台内部也遇到了信息过载的问题,而直播背景下的推荐不同于电影视频等推荐,具有时效性、隐蔽性和不确定性的特征,更为重要的是直播平台在迅速扩张过程中引入的新用户与主播会加剧推荐系统中的冷启动问题,加大了直播推荐的难度。因此,需要建立一种有效的、统一的内容感知与推荐机制。针对上述问题,利用分布式爬虫等相关技术,解析获取相关直播平台的直播间信息与弹幕信息,实现直播平台的聚合功能。更进一步,对直播推荐的场景进行了划分,对常规推荐场景采用Neu MF模型,对冷启动问题提出一种基于元学习的推荐算法RBUP,以此来实现直播聚合平台的推荐任务。RBUP算法基于已有Reptile方法使用了不同的全局更新组合策略,利用元学习中对学习过程进行学习的思路,从多次推荐任务过程中寻找模型合适的初始化参数,并利用该初始化参数提高模型适应冷启动场景下的推荐任务的能力,降低推荐成本,提高推荐效果。基于上述核心思路进一步完成了面向多源动态环境的视频直播推荐系统的设计与实现,实现了诸如聚合、推荐、搜索、资讯和登录等功能,并对这些功能进行了测试。利用Movielens数据集构造了一个直播相关的数据集,并利用该相关数据集对提出的推荐算法RBUP进行了算法实验,算法对比MeLU模型在MAE指标上提升约1.9%,在nDCG指标上提升约1.2%。