YouTube深度学习推荐系统《Deep Neural Networks for YouTube Recommendations》

Avada__Kedavra

已于 2024-04-08 22:16:29 修改

阅读量2.8k

点赞数 11

分类专栏：推荐系统文章标签：深度学习人工智能

于 2020-11-05 21:21:51 首次发布

本文链接：https://blog.csdn.net/u014128608/article/details/109520766

版权

19 篇文章 0 订阅

订阅专栏

今天分享的是Youtube 2016年的推荐系统论文《Deep Neural Networks for YouTube Recommendations》

摘要

YouTube是如今工业界最大、最复杂的推荐系统之一，作者提出了一种高效的基于深度学习的推荐系统。该系统和工业界经典的推荐流程一样，分为候选集生成（ candidate generation也称为召回），排序（ranking）两个阶段。

在推荐系统领域，特别是YouTube的所在视频推荐领域，主要面临三个挑战：

Scale(规模大)：视频和用户数量巨大，很多现有的推荐算法能够在小的数据集上表现得很好，但在Youtube效果不佳。需要构建高度专业化的分布式学习算法和高效的服务系统来处理youtube庞大的用户和视频数量。
Freshness(更新快)：这体现在两方面，一方面视频更新频繁，需要在新发布视频和已有存量视频间进行balance；另一方面用户行为更新频繁，模型需要很好的追踪用户的实时行为。
Noise(噪声)：相较于庞大的视频库，用户的行为是十分稀疏的，同时，我们很少获得用户满意度的基本事实，基本上能获得的都是用户的隐式反馈信号。噪音另一个方面就是视频本身很多数据都是非结构化的。这两点对算法的鲁棒性提出了很高的挑战。

更详细部分可以阅读：https://zhuanlan.zhihu.com/p/529851193

关注