尽可能简明扼要，如有错误或我没有理解的地方请指点，互相讨论。原论文地址
目录
一、整体架构
YouTube推荐主要分为两块：1）match（召回） 2）ranking（排序）
二、召回模块（match）
核心思想：使用网络训练 用户向量U 和 视频向量V，线上使用使用topK相似度方法找出最相似的候选集。如图所示：
细节：
1、类似word2vec的方法，使用多分类做训练。借鉴了sampled softmax来提高训练效率
2、视频向量V构造？同NLP中类似初始化矩阵向量通过模型训练优化矩阵。
3、用户向量U构造？看过的视屏向量求和平均，搜索关键embedding求和平均，基础信息向量contact再通过ReLU层获得
4、视频向量V在输入和输出的softmax共享，用于训练与预测。
5、对于新视频，特征窗口可以选择最新的时刻点。有助于推新的效果。
6、在做Sampled Softmax的方法时，可以增加importance weighting（这块还不是很理解，下方有链接）的方式进行修正。
7、正样本选择：采用隐式反馈，完整地看完一个视频作为一个正样本。
8、抽样方法：每个用户都声称同样数量的样本。
9、网络层数与特征数据的对比：四层之后效果没有特别大的提升，特征还是关键。如图所示：
三、排序模块（ranking）
核心思想：输入更多详细特征，用dnn做分类器，损失函数使用视频播放时长做权重。
细节：
1、最左边的输入的是预测视频的向量
2、用户语言和视频语言（不确定
3、归一化：使用quantile，归一化到[0,1]。
4、embedding的维度是log(ID的个数)
5、multivalent的IDs会先去一个均值（不是很理解）
6、优化目标的修改（还不很理解，清楚的同学请指导）
7、训练层的影响
扫一扫
3392
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
