(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210306479.6 (22)申请日 2022.03.25 (71)申请人 浙江万里 学院 地址 315100 浙江省宁波市钱湖南路8号 (72)发明人 赵晨　柴本成　金冉　邓秀春　 董晨　 (74)专利代理 机构 重庆莫斯专利代理事务所 (普通合伙) 50279 专利代理师 易小艺 (51)Int.Cl. G06F 16/735(2019.01) G06F 16/783(2019.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种改进的视频评分元路径权 重计算方法 (57)摘要 本发明涉及视频权重计算技术领域， 具体涉 及一种改进的视频评分元路径权重计算方法， 计 算方法包括如下步骤： 构建异构信息网络； 选择 元路径； 计算视频相似度矩阵； 将视频相似性数 据和评分数据进行融合； 分解矩阵得到用户特征 和视频特征； 最后计算预测评分， 选择预测评分 最高的部分视频推荐 给用户， 通过构建异构信息 网络， 将视频相似性数据和评分数据相融合， 并 分解矩阵以获取用户特征和视频特征， 通过计算 预测评分， 从而将预测评分最高的视频推荐 给用 户， 避免无评分视频得不到推荐的问题， 在多个 指标和性能测试 上取得更好表现。 权利要求书2页 说明书5页 附图2页 CN 114840710 A 2022.08.02 CN 114840710 A 1.一种改进的视频评分元路径权 重计算方法， 其特 征在于， 所述计算方法包括如下步骤： 构建异构信息网络； 选择元路径； 计算视频相似度矩阵； 将视频相似性数据和评分数据进行融合； 分解矩阵得到用户特 征和视频 特征； 最后计算预测评分， 选择 预测评分最高的部分视频推荐给用户。 2.如权利要求1所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 所述异构信息网络包括用户、 类别、 演员、 导演、 国家、 标签和视频这七个节点， 视频节 点与其他节点有着6种对应关系， 其中， 类别 ‑视频、 演员 ‑视频、 导演 ‑视频、 国家 ‑视频的关 系权重取值为1。 3.如权利要求2所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 在构建视频 ‑标签关系时， 先对标签去重， 然后关系权 重取值为1。 4.如权利要求3所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 权重计算方法如式(I)所示： 其中， r表示评分值， μ表示用户的平均评分， α 和 θ 是调节参数。 5.如权利要求 4所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 所述元路径包括P1、 P2、 P3、 P4、 P5、 P6、 P7， P1＝Video ‑User‑Video， P2＝Video ‑User‑ Video‑User‑Video， P3＝Video ‑Genre‑Video， P4＝Video ‑Actor‑Video， P5＝Video ‑ Director ‑Video， P6＝Video ‑Country‑Video， P7＝Video ‑Tag‑Video， 其 中， P1的语义信息 为： 两部视频被同一个用户喜 爱， P2的语义信息为： 两部视频被喜欢同一部视频的两个用户 喜爱， P3的语义信息为： 两部视频属于同一种类别， P4的语义信息为： 两部视频有相同的演 员， P5的语义信息为： 两部视频被同一个导演执导， P6的语义信息为： 两部视频属于同一个 国家， P7的语义信息为： 两 部视频拥有相同的标签。 6.如权利要求5所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 计算元路径权 重计算式如式(I I)所示： 其中， 表示路径长度， Nt表示特征t的总类别数， Nl表示路径实例数， 对路径权重进 行归一化处理后， 得计算式(I II)： 7.如权利要求6所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 计算各条元路径上的视频相似性的计算式如式(IV)所示：权　利　要　求　书 1/2 页 2 CN 114840710 A 2完成相似性计算后， 每条元路径得到一个相似性矩阵， 对于各个矩阵， 按照元路径权重 进行融合， 计算方法见式(V)所示： 其中， Simab表示最终得到的视频 a和视频b的相似度， Sim(a， b|Pl)表示视频a和视频在b 路径pl上的相似度。 8.如权利要求7 所述的一种改进的视频评分元路径权 重计算方法， 其特 征在于， 视频相似性矩阵与评分矩阵进行融合成新的评分矩阵， 矩阵融合方法见式(VI)所示： R′m×n＝Rm×n×Mn×n    (VI) 其中， Rm×n是融合前基本的评分矩阵， Mn×n是计算视频相似度矩阵得到的视频相似性矩 阵， R′m×n是融合后的新评分矩阵， 对用户评分进行归一 化处理后， 获取计算式(VI I)： g(r)＝0.2 r(VII)。 9.如权利要求8所述的一种改进的视频评分元路径权重计算方法， 其特征在于， 对融合 后的评分矩阵分解方法见式(VI II)： 其中， gu表示归一 化后的用户 μ 的评分向量， mi表示视频i的相似性向量。 10.如权利要求9所述的一种改进的视频评分元路径权重计算方法， 其特征在于， 评分 矩阵完成分解后得到的用户特征矩和视频特征实现了用户和视频的解耦， 评分预测方法见 式(IX)： 权　利　要　求　书 2/2 页 3 CN 114840710 A 3