先感谢上个播放卡顿问题大家的热心回答,已经发现是前端问题,由前端来解决,现在的问题是这样,用户注册完之后选择视频标签,然后由后台推荐视频给用户(后台的视频也由标签标记的,一个视频对应多个标签)。
现在想到的是用用户的标签和视频的标签作一个相似度计算,然后推荐视频,但是这个算法缺点就是要提前计算好,而且不能重复,问问大家有什么好的方案
1
levylll 2020-03-16 17:49:09 +08:00
一个简单的做法,每个标签基于该标签下的 hot 内容做个倒排存到 redis 中,然后后面每次用户请求时直接基于库中存的用户标签,去 redis 中取对应的倒排进行组合排重过滤输出。
|
3
imn1 2020-03-16 18:03:00 +08:00
这个要看简单还是复杂
简单的话,标题分词匹配、tag 匹配等等,基本上已知无需提取的 中等复杂,可以结合类别,必要时结合评论 再复杂的,结合视频属性,例如时长、版权发行时间、涉及人物、地点…… 最复杂就是内容(图像)分析了 |
4
fcten 2020-03-16 18:36:24 +08:00
楼主的方案是推荐算法的一种,叫做基于内容的推荐。缺点也很明显,就是无法为用户发现新的内容。
另一种推荐算法,叫做协同过滤推荐。简单来说,就是用户甲喜欢 ABC,用户乙喜欢 ABD,那么就给甲推荐 D,给乙推荐 C。 |
5
wangbenjun5 2020-03-16 19:17:11 +08:00
推荐算法可是一门学问,不是一句两句话能说清楚的,基于内容标签的这种推荐最简单,还有协同过滤等等,但是你想想头条抖音那么多算法工程师怎么可能这么简单,必须夹杂了大数据、深度学习等技术,别在 v2 问了,多看看相关技术博客和文章吧!
|
6
EminemW 2020-03-16 22:38:07 +08:00
我上一个公司是自己定了一套打分算法,然后推荐分数高的视频
|
7
alya 2020-03-17 15:17:18 +08:00
设计个评分方法做协同过滤
|
8
XRR 2020-03-17 16:18:56 +08:00
基于用户的协同过滤和基于 item 的协同过滤,推荐楼主看《机器学习实战》这本书
|