深入推荐引擎2：YouTube 视频推荐系统

这篇博客将介绍 YouTube 视频推荐系统，YouTube 是世界上最大的创建、消费和分享视频内容的平台。他们的推荐帮助数十亿用户从不断增长的视频语料库中发现个性化内容。根据 Cristos Goodrow（YouTube 工程副总裁）的说法，推荐在 YouTube 上推动了大量整体收视率，甚至超过了频道订阅或搜索。 其幕后的工作原理是什么呢？

YouTube利用了一个由候选人生成网络和排名网络组成的双层推荐系统。

候选生成网络（Candidate Generation Network） 旨在从与用户和当前上下文相关的大量视频语料库中选择几千个视频候选。这些候选者通常以高精度与用户相关。候选生成网络包括几个特征，如用户观看历史、搜索查询、人口统计、用户性别、示例年龄等。所有这些特征被连接并馈送到包括完全连接层和ReLU激活的前馈网络。

为了训练网络，YouTube利用隐含的反馈信号，用户完成视频被认为是一个积极的例子。该训练包括根据过去的搜索查询和观看历史来预测未来的观看情况。

排名网络（Ranking Network） 区分候选者，并根据它们与具有高召回率的用户的相关性为它们分配排名。该模型使用描述视频的丰富特征集（例如，视频缩略图、视频内容等）