Deep Neural Networks for YouTube Recommendations的解读
摘要
本文根据经典的两阶段信息检索二分法进行划分:首先详细描述一个深度候选生成模型,然后描述一个单独的深度排序模型。
1. 总体模型
- 该系统有两个神经网络组成:一个用于候选集的生成,一个用于排名。
- 候选生成网络从用户的YouTube活动历史记录中获取事件作为输入,并从大型语料库中检索一小部分(数百个)视频
- 排序网络通过使用一组描述视频和用户的丰富特征,根据期望的目标函数为每个视频分数来完成任务。通过视频的得分进行排序,得分高的视频会呈现给用户。
2. 候选生成网络
候选生成网络模型
-
该模型属于DNN模型,其中把推荐问题看成一个“超大规模多分类”问题
即在时刻t,为用户U(上下文信息C)在视频库V中精准的预测出视频i的类别(每个具体的视频视为一个类别,i即为一个类别):
P ( ω t = i ∣ U , C ) = e v i u ∑ j ∈ V e v j u P(\omega_t=i|U,C)=\frac{e^{v_i u}}{\sum_{j\in V}e^{v_j u}} P(ωt=