基于视觉交互的短视频内容推荐机制研究.docxVIP

基于视觉交互的短视频内容推荐机制研究

本文引用格式：，.基于视觉交互的短视频内容推荐机制研究[J」.艺术科技，2025，38（7)：144-146.

中图分类号：G206文献标识码：A

文章编号：1004-9436（2025）07-0144-03

短视频平台凭借即时性、直观性与多样性内容传播特点，已成为全球数十亿用户获取信息的主要渠道。随着用户规模持续扩张及内容体量不断增长，如何在海量内容中实现精准推荐，成为平台增强用户黏性的关键竞争点。当前短视频的主流推荐机制是根据点赞、评论、收藏等用户行为判断用户兴趣点，据此为用户推荐高相似度的内容[1]。这种方法虽简单快捷，但难以确认用户是否对此类内容产生足够的兴趣。在用户观看短视频的过程中，用户的视线轨迹、视线停留时长、视线锁定点等在很大程度上反映了用户的关注点，这些视觉交互行为能够为理解用户真实兴趣提供参考。

趣相似的视频，或向用户推荐与其既往喜欢视频相似的内容。内容分析则侧重于视频本身的属性，主要利用计算机视觉、自然语言处理、音频分析等技术提取视频的视觉特征、文本特征、音频特征，基于此构建视频内容向量[2]。平台则通过计算用户历史行为数据，与候选视频内容向量相似度进行比对，借此向用户推荐内容。这两种方法构成了短视频内容推荐基础层，能够初步满足用户的兴趣匹配需求。

1短视频平台主流内容推荐机制

主流短视频平台推荐机制普遍为基于用户行为分析的协同过滤和内容分析机制。协同过滤方法主要通过算法挖掘用户观看、点赞、评论、分享、关注、搜索等行为数据，借此识别用户之间的相似性。协同过滤会向目标用户推荐与其兴

2短视频平台主流内容推荐机制存在的不足

2.1即时需求捕捉能力弱

现有短视频平台的主流推荐机制主要依赖用户点赞、评论、收藏等显性行为。然而，用户在观看短视频过程中的兴趣可能是动态变化的，常受到视濒内容、情绪状态、好奇心、外界刺激等影响。用户在单次观看会话中，注意力焦点、兴趣强度以及对内容的期待都可能随着视频播放的每一秒而发生快速、微妙的变化。这种即时需求捕捉能力的不足，导致推荐系统难以及时响应用户注意力焦点和兴趣的变化，无法在用户需求产生的瞬间为其提供最契合的内容，从而降低了推荐的精准度，导致用户观看体验得不到进一步提升[3]。

2.2潜在兴趣挖掘不精准

当前的主流推荐机制在识别用户潜在兴趣方面存在局限性。一方面，短视频平台系统过度依赖用户过去的显性行为进行预测，导致推荐结果高度集中于用户已知兴趣领域，从而形成“信息茧房”。这种机制难以有效捕捉用户未通过显性行为表达，但实际存在的潜在兴趣点。另一方面，算法对用户观看过程中表现出的“弱信号”缺乏敏感度，如对视频中出现的背景、服饰、艺术元素以及文字等特定内容的短暂凝视或短暂暂停，这些未被量化的视觉交互痕迹恰恰是潜在兴趣的关键要素。

2.3视觉交互行为分析缺失

当前主流推荐机制对用户在观看中产生的深层视觉交互行为缺乏系统性分析。平台虽能记录基础播放行为，却普遍忽视精细视觉信号的价值。例如，用户视线在屏幕上的移动轨迹、用户对关键画面聚焦时间、用户观看视频的暂停点等，这些均可能伴随着微表情变化[4]。这些视觉交互数据是用户无意识注意力分配的直接外显，蕴含着比显性点击行为更丰富的潜在需求线索。但短视频平台现有推荐机制无法将这些高价值的兴趣信号转化为兴趣标签。

3视觉交互在短视频内容推荐中的应用价值

3.1提升用户兴趣识别精度

视觉交互数据为短视频推荐系统突破传统的用户行为分析瓶颈、实现用户兴趣的精准刻画提供了新的思路。而视觉交互行为可通过抓取用户观看中的视线轨迹、凝视时长、回看片段内容、暂停关注点等，反映用户无意识的注意力分配特点。这些毫秒级的行为信号构成了用户兴趣的连续动态图谱，使系统能够捕捉传统方法无法获取的用户需求[5]。

以B站《15天花20万元用500克黄金敲数万锤纯手工复原三星堆黄金面具》短视频为例，部分用户可能对“三星堆黄金面具”感兴趣，部分用户可能对“复原技术”感兴趣，通过视觉交互，系统可根据用户视线是停留在环境方面还是停留在复原动作上判断用户兴趣。通过分析，系统能够将用户视线行为数据转化为用户的兴趣表达特征，并识别用户的兴趣强度变化规律，从而提升修通推荐的语义相关性与个性化精度。

3.2拓展用户观看行为数据

传统的内容推荐依赖用户结果性行为数据，如点击/跳过、点赞/收藏、播放时长等，这些结果性指标仅能反映用户的结果导向，无法还原观看过程中的细节行为。而视觉交互分析可通过实时捕获用户眼动轨迹、瞳孔变化情况、眨眼频率等生理反应，以及面部微表情变化，构建完整的观看行为证据链，使系统能够量化用户对视频中非主体元素的关注度。

以李子柒“紫气东来”短视频为例，这是2021年7月4日季子柒更新完《柴米油盐酱醋茶》后的首个视频，视频主要以漆器制作为主，