基于模态语义空间对齐的学习视频推荐方法、介质、设备

本发明提出基于模态语义空间对齐的学习视频推荐方法、介质、设备，涉及多模态语义空间对齐技术领域，方法包括：提取用户行为向量、学习视频不同模态的向量，包括：文本、图像、音频以及结构向量；利用多层感知机将提取到的不同模态的向量投影到公共语义空间，在公共语义空间内，将结构向量分别与文本向量、图像向量以及音频向量进行向量拼接；将拼接后的向量进行模态对比和模态匹配，通过优化不同模态之间的语义对齐，得到学习视频的多模态特征向量；将多模态特征向量进行融合，通过余弦相似度计算用户行为向量与融合多模态特征向量的相似性，并对所有视频进行排序推荐。本发明可以充分理解学习视频的模态语义结构，实现精准匹配和推荐。