计算机应用

作者：董文涛, 李卓, 陈昕

单位：1. 网络文化与数字传播北京市重点实验室(北京信息科技大学), 北京 100101;2. 北京信息科技大学 计算机学院, 北京 100101

关键词：移动边缘计算,内容分发,联邦学习,短视频,用户群兴趣向量

基金：国家自然科学基金资助项目（61872044）；北京市青年拔尖人才培育计划资助项目（CIT&TCD201804055）；网络文化与数字传播北京市重点实验室开放课题资助项目（ICDDXN001）。

为提升短视频内容分发的精度，分析用户所属社交群体的兴趣倾向和对短视频内容的个性化需求，在基于主动推荐方式的短视频应用场景中，以视频内容提供商利润最大化为优化目标，设计了一种短视频内容分发策略。首先，基于联邦学习，利用用户群本地相册数据训练兴趣预测模型，提出用户群兴趣向量预测算法并得到用户群的兴趣向量表示；然后，以用户群的兴趣向量作为输入，基于组合置信上界（CUCB）算法实时设计相应的短视频内容分发策略，从而使视频内容提供商获取的长期利润最大化。所提策略获得的平均利润相对稳定且明显优于单纯基于CUCB的短视频分发策略得到的平均利润；与置信上界（UCB）策略和随机策略相比，所提策略使得视频内容提供商获得的总利润分别提高了12%和30%。实验结果表明，所提短视频内容分发策略能有效地提升短视频分发的精度，从而进一步提高视频内容提供商获取的利润。

来源：2021年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第6期