在過去的十年中，神經網絡已經取得了巨大的飛躍。如今，神經網絡已經得以廣泛應用，並逐漸取代傳統的機器學習方法。 接下來，我要介紹一下YouTube如何使用深度學習方法來做個性化推薦。
由於體量龐大、動態庫和各種觀察不到的外部因素，爲YouTube用戶提供推薦內容是一項非常具有挑戰性的任務。
YouTube的推薦系統算法由兩個神經網絡組成：一個用於候選生成，一個用於排序。如果你沒時間仔細研究論文，可以看看我們下面給出的簡短總結。
以用戶的瀏覽歷史爲輸入，候選生成網絡可以顯著減小可推薦的視頻數量，從龐大的庫中選出一組最相關的視頻。這樣生成的候選視頻與用戶的相關性最高，然後我們會對用戶評分進行預測。
這個網絡的目標，只是通過協同過濾提供更廣泛的個性化。
進行到這一步，我們得到一組規模更小但相關性更高的內容。我們的目標是仔細分析這些候選內容，以便做出最佳的選擇。
這個任務由排序網絡完成。
所謂排序就是根據視頻描述數據和用戶行爲信息，使用設計好的目標函數爲每個視頻打分，得分最高的視頻會呈獻給用戶。
通過這兩步，我們可以從非常龐大的視頻庫中選擇視頻，並面向用戶進行有針對性的推薦。這個方法還能讓我們把其他來源的內容也容納進來。
推薦任務是一個極端的多類分類問題。這個預測問題的實質，是基於用戶(U)和語境©，在給定的時間t精確地從庫(V)中上百萬的視頻類(i)中，對特定的視頻觀看(Wt)情況進行分類。
關注我的技術公衆號《漫談人工智能》，每天推送優質文章
![]()
