摘要:视频的点击率预估是视频推荐系统中的重要任务之一，推荐系统可以根据点击率的预估调整视频推荐顺序以提升视频推荐的效果.近年来，随着视频数量的爆炸式增长，视频推荐的冷启动问题也变得愈发严重.针对这个问题，提出了一个新的视频点击率预估模型，通过使用视频的内容特征以及上下文特征来加强视频点击率预估的效果；同时，通过对冷启动场景的模拟训练和基于近邻的替代方法提升模型应对新视频点击率预估的能力.提出的模型可以同时对旧视频和新视频进行点击率预估.在两个真实的电视剧（Track_1_series）和电影（Track_2_movies）点击率预估数据集上的实验表明：提出的模型可以显著改善对旧视频的点击率预估性能，并在两个数据集上均超过了现有的模型；对于新视频，相比于不考虑冷启动问题的模型只能获得0.57左右的AUC性能，该模型在两个数据集上分别获得0.645和0.615的性能，表现出针对冷启动问题更好的鲁棒性.