#Paper Reading# The YouTube Video Recommendation System

论文题目: The YouTube Video Recommendation System
论文地址: https://dl.acm.org/citation.cfm?id=1864770
论文发表于: RecSys 2010（CORE B类会议）

论文大体内容：
本文简单介绍了YouTube的推荐系统，从整个推荐架构层面来描述。

1. YouTube主要在首页以及播放页场景做推荐。

2. YouTube推荐系统主要Focus在下面几个方面：
①相关度；
②新鲜度；
③打散度；
④对用户可解释；（当年的YouTube还会显式展示推荐理由，但现在已经去掉这一做法了）

3. 训练数据主要包括2类型：
①Item表：Item的固有属性等；
②User表：包括用户的显式和隐式的操作或反馈；

4. ABTest时评价的指标：
①CTR；
②Long CTR：根据TS卡阈值过滤无效Click后的CTR；
③曝光时间/深度（session length）：用于衡量用户在此session内花的时间；
④session开始到第一次有效Click，用于衡量用户是否能很快找到自己想要看的内容；
⑤推荐覆盖度（多样性）；

5. 本文还透露出一个数据：YouTube 2010年首页60%的点击来自于推荐；

6. 从现在推荐系统的发展来看，当年YouTube的做法还是比较水的。但是在当年来看，整体的工程架构都奠定了后10年推荐系统架构的基础，还是比较赞的工作。

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！