【技術實現步驟摘要】
本專利技術涉及人工智能和推薦系統，尤其涉及一種基于多種重復行為的直播推薦方法。
技術介紹
1、隨著互聯網技術的快速發展，直播平臺已成為娛樂和社交的重要形式，用戶與主播的互動變得越來越頻繁，個性化直播推薦對提升用戶體驗和平臺收益至關重要。然而傳統推薦系統未能有效建模用戶在直播場景中多種復雜的重復行為，例如用戶重復地進入相同的直播間、頻繁發送聊天消息和贈送虛擬禮物等。這些重復行為反映了用戶對直播內容不同程度的偏好和參與度，現有的直播推薦方法主要集中于以下幾個方面：
2、1）單行為建模：現有方法通常只考慮用戶單一行為（如點擊、送禮），忽略了多種行為的綜合影響，難以全面刻畫用戶偏好；
3、2）數據稀疏問題：直播場景中用戶行為稀疏性和冷啟動問題較為嚴重，單一行為建模難以滿足實際需求；
4、3）重復行為的建模不足：用戶在直播場景中的行為具有重復性（如多次進入直播間、聊天或送禮），這些重復行為能夠顯著反映用戶的持續興趣，但現有方法未能充分利用這些信息。
5、現有的直播推薦方法大多只考慮單一行為并且忽略用戶的重復行為，導致對用戶偏好的建模不夠全面，進而影響推薦效果。因此，亟需一種能夠有效利用多種用戶重復行為，提高直播推薦效果的創新方法，對于提升用戶體驗和增加平臺收益具有重要意義。
技術實現思路
1、本專利技術的目的是提供一種基于多種重復行為的直播推薦方法，該方法能夠解決現有技術中對直播場景用戶多種行為建模不足、重復行為利用有限以及推薦效果不佳等問題，
2、本專利技術的目的是通過以下技術方案實現的：
3、一種基于多種重復行為的直播推薦方法，所述方法包括：
4、步驟1、首先構建基于多種重復行為的直播推薦模型，收集用戶在直播場景中的行為數據，基于收集的行為數據構建三個二分圖，分別表示用戶進入直播間的行為、聊天行為和贈送禮物行為；
5、步驟2、基于圖神經網絡的多行為建模，利用改進的圖注意力網絡學習用戶與直播間之間的重復互動關系；
6、步驟3、通過嵌入融合策略整合不同行為產生的用戶和直播間表示；
7、步驟4、采用多任務學習框架對所述直播推薦模型進行訓練和預測，根據模型預測結果生成直播推薦列表。
8、由上述本專利技術提供的技術方案可以看出，上述方法能夠解決現有技術中對直播場景用戶多種行為建模不足、重復行為利用有限以及推薦效果不佳等問題，能夠全面刻畫用戶偏好并提高直播間推薦的準確性和用戶體驗。
本文檔來自技高網...【技術保護點】
1.一種基于多種重復行為的直播推薦方法，其特征在于，所述方法包括：
2.根據權利要求1所述基于多種重復行為的直播推薦方法，其特征在于，在步驟1中，所構建的基于多種重復行為的直播推薦模型由4個部分組成：
3.根據權利要求1所述基于多種重復行為的直播推薦方法，其特征在于，在步驟1中，根據時間順序將收集到的用戶行為數據分為訓練集、驗證集和測試集，比例分別為?80%、10%和?10%；
4.根據權利要求3所述基于多種重復行為的直播推薦方法，其特征在于，所述步驟2的過程具體為：
5.根據權利要求1所述基于多種重復行為的直播推薦方法，其特征在于，在步驟3中，
6.根據權利要求1所述基于多種重復行為的直播推薦方法，其特征在于，在步驟4中，在對所述直播推薦模型進行訓練和預測過程中，使用收集的直播互動數據訓練模型，并根據訓練好的模型預測用戶與特定直播間的互動概率，以此為基礎進行直播內容的推薦，具體來說：
【技術特征摘要】
1.一種基于多種重復行為的直播推薦方法，其特征在于，所述方法包括：
2.根據權利要求1所述基于多種重復行為的直播推薦方法，其特征在于，在步驟1中，所構建的基于多種重復行為的直播推薦模型由4個部分組成：
3.根據權利要求1所述基于多種重復行為的直播推薦方法，其特征在于，在步驟1中，根據時間順序將收集到的用戶行為數據分為訓練集、驗證集和測試集，比例分別為?80%、10%和?10%；
4.根據權...
【專利技術屬性】
技術研發人員：朱孟瀟，舒奇，張起龍，何忻蕓，
申請(專利權)人：中國科學技術大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。