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。
目录
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。
最低0.47元/天 解锁文章
扫一扫
936
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
