Youtube排序模型和常用模型的部署方法

召回结构：

  训练阶段，通过 预测下一个观看的视频，得到用户和视频的向量表示。

 预测阶段：求用户表示向量和视频向量相似度，得到topN推荐。

用户行为是变化的，所以需要实时更新用户近期观看的视频和用户近期搜索的视频，过一下网络，得到用户最新的表示。

每个用户取得训练的样本是相同的，目的是为了抑制活跃用户。

排序结构：

工程trick：对每个用户采用相同的采样个数

关于serving阶段输出 “exp(Wx+b)” 的合理性解释证明，是因为要把用户的观看时长引进来。用户看这个时间越长，几率比就越大。相当于预测用户观看时长。

训练的时候，如果不引入加权逻辑回归(观看时长是权重)，则预测的时候，不引入几率比（不引入用户观看时间），直接预测score.