YouTube推荐系统（上）：The YouTube Video Recommendation System

这是最早的一篇YouTube的推荐系统的文章，原文来自The YouTube Video Recommendation System。发表于2010年。

YouTube拥有世界上最大的视频推荐系统之一，在2010年，整个系统还比较简略，不过也值得了解一下。

Goal

用户使用YouTube时一般有三种目的：1. 观看特定的video；2.观看特定topic的video；3.浏览并寻找感兴趣的视频。推荐系统主要为第三种需求服务，因此，推荐系统的目标是为用户推荐高质量并贴合他们的兴趣的视频，推荐结果应该随时间和用户最近的行为更新。
在YouTube的推荐应用中，存在一些特殊的挑战：

• 用户在YouTube上传的视频一般没有非常全的metadata，很多除了题目以外就没有什么有价值的信息。
• YouTube上的视频一般很短（小于10分钟），因此用户行为也短暂、多变而且噪声很多。
• YouTube上的视频生命周期很短。

这是YouTube的推荐和普通视频网站的推荐不一样的地方，也是现在的很多段视频公司会关注的问题。

系统设计

推荐系统的输入主要由内容相关的信息和用户行为相关的信息组成。其中，用户行为包括explicit和implicit feedback。前者是指用户评分、明确表示喜欢、不喜欢等行为，后者是浏览、观看等行为。原始数据中还含有非常多的噪声，很多不可控因素会影响原始数据的质量。

为了确定要推荐哪些视频，文章给出了相关视频的定义：视频v的相关视频是指可能在视频v之后被用户观看的视频。两个视频的相关性由关联规则挖掘方法来确定。视频i和j的相关性定义为：
$r(v_i,v_j)=c_{i,j}$