基于协同过滤算法的短视频推荐模型应用研究

为进一步提高短视频推荐效果，基于协同过滤算法，构建一种短视频推荐系统。其中，引入奇异值分解(SVD)以及惩罚因子对传统协同过滤算法进行优化，以解决数据存在的稀疏问题和长尾效应。仿真结果表明，与传统的协同过滤算法相比，提出的改进协同过滤算法性能更优，算法的RMSE值为0.948;与传统的推荐模型相比，提出推荐模型能够更加准确地进行用户视频评分预测，表明能够更加准确地向用户推荐其喜好的短视频。以上结论表明，使用提出的推荐模型能够取得更好的推荐效果，能够向用户推荐更加符合其喜好的视频，具有一定的实际应用价值。