本研究提出了一种基于预训练视觉-语言模型的两阶段自动视频编辑方法，克服了现有技术的局限性。通过强化学习框架，该方法提高了编辑决策的质量，实验结果证明了其在实际电影数据集上的有效性和优势。

本文提出了一种利用知识图谱的路径循环神经网络模型，用于推理用户-物品交互的原因。该模型在电影和音乐数据集上实验，显示出显著改进效果。