Youtube推薦系統中的算法
大小：0.2 MB 人氣： 2017-09-22 需要積分：1
標簽：推薦引擎(1974)
最近一直在花時間研究和實現一些推薦算法，并且搭建系統在產品中進行測試。
我讀了一些關于Netflix等網站“如何使用Collaborative Filtering來預測用戶對其他影片的打分”的文章，之前也曾在Pinterest目睹了Related Pin從傳統的計算co-occurence，到深度學習以及兩次打分系統的設計轉變。
但最讓我好奇的，還是以技術著稱的Google是怎么做推薦系統的。
經過一番調查，我找到了4篇能夠描述這些年YouTube推薦系統變化的論文。
在這里同大家分享一下。
描述中難免會有不準確，或者理解錯誤的地方，希望各位老師和朋友多多交流，共同學習。
Video Suggestion and Discovery for YouTube： Taking Random Walks Through the View Graph
這篇論文發表于2008年，是我發現的相對比較早的一篇有關于YouTube推薦系統的文章。作者里有一位前同事Kevin Jing，是后來Pinterest圖像組的奠基人。
這篇文章從最基本的co-view概念入手，先講了一個直觀的概念——item-based
collaborative filtering system。
假設一個用戶B看了兩個視頻，1和4，根據歷史，我們知道很多看了視頻1的人也看了視頻5，9。同時，我們知道很多看了視頻4的人也看了別的視頻12，13（請讀者自行想象）。那我們可以把視頻5，9，12，13推薦給用戶B。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%