短視頻應用近年來吸引了數十億用戶年，以多樣化的內容滿足他們的各種需求。用戶通常會在短時間內在移動設備上觀看許多主題的短視頻一段時間，并非常迅速地給出明確或隱含的反饋他們觀看的短片。推薦系統需要實時感知用戶的喜好以滿足他們的需求改變興趣。傳統上，推薦系統部署在服務器端為來自的每個請求返回一個視頻排名列表客戶。因此它不能根據在下一次請求之前對用戶的實時反饋。由于客戶端-服務器傳輸延遲，也無法立即利用用戶的實時反饋。然而，隨著用戶不斷觀看視頻和反饋，不斷變化的上下文領先排名服務器端推薦系統的不準確。

在本文中，我們建議部署一個短視頻推薦框架,在移動設備上解決這些問題。具體來說，我們設計并部署一個微型設備排名模型以啟用實時服務器端推薦結果的重新排序。我們改進其預測準確性通過利用用戶的實時反饋觀看視頻和客戶特定的實時功能。通過更準確的預測，我們進一步考慮交互在候選視頻中，并提出上下文感知的重新排序基于自適應波束搜索的方法。該框架已部署在十億用戶規模的短視頻應用快手上，并提高了有效觀看率，喜歡和關注分別為 1.28%、8.22% 和分別為 13.6%。