2016 Youtube 推荐系统介绍

本文介绍了YouTube的推荐系统,分为两层结构,第一层候选集生成使用浅层神经网络,第二层Ranking则对候选视频进行深度学习排序。系统设计考虑了可扩展性、内容新鲜性和干扰信息过滤等因素,采用特征工程和Embedding技术,并以用户观看时间作为加权依据优化结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述

目录

在这里插入图片描述

在这里插入图片描述

概述

由于工作的原因需要学习推荐系统,找到了Deep Neural Networks for YouTube
Recommendations这篇文章,
作者来自于Google。发现很多大公司基于深度学习的推荐系统都采用了类似框架,
感觉这篇文章还是很具有代表性的。

什么是推荐系统

什么是推荐系统

一个非正式的定义,所谓推荐系统,就是根据每个用户的特征,向其推荐可能感兴趣的商品的系统。

如何衡量推荐系统好坏

如何衡量推荐系统好坏

一个公司做推荐系统的目的当然是挣更多的钱,
但是除了赚钱多少作为衡量推荐系统的指标之外,还有许多评价方法。比如用用户浏览量的提升,视频观看时长的增加,以及用户点击率和推荐顺序的相关性等等。不直接用钱来衡量的一个原因是付钱这个行为相对罕见,往往一个商品有几百上千次点击之后才会有一个用户掏钱包。所以使用其他衡量方式可以获取更多的反馈数据。

Youtube 推荐系统概述

系统结构

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值