?

如何評價一個基于內容的推薦系統的好壞呢？我覺得是在于推薦系統能否逐漸挖掘用戶的內心深處，讓用戶找到自己都覺得美妙的內心另一面。Youtube在這點做得很好，特別是當我打開了18禁開關的那一刻，本來純潔的我也被推薦系統......

01 概述

Youtube是本人用過最好的基于內容的推薦系統，今日頭條在我心里排第二。今年Youtube在推薦系統大會上RecSys2019上發布了新論文，架構圖如下：

從這張架構圖得到了三方面的思考，分別是：

如何看待位置這個因素在推薦系統中的作用

對于多目標問題這個難題，Youtube是如何看待的

一些對于特征和模型的獨到理解

?

下面分別介紹下以上3點給我帶來的啟發。

?

02 “位置”這個因素需要區別對待

通常，人們會下意識的去點擊推薦列表中的排位靠前位置的內容，這也是為什么廣告推薦中要把點擊概率最高可能性的內容放到靠前的位置。但是在傳統的推薦模型中，位置信息只是作為一個特征來處理，即使這個特征被增加權重，也只是一個特征。

但是Youtube對于位置這個因素有自己獨特的處理方式，見下圖的紅框內容：

Youtube會把位置特征單獨提取出來作為shallow tower，這部分特征單獨訓練模型，最終做Rank的時候要考慮常規的排序模型結果和位置模型結果兩個模型的影響。這個觀點還是非常酷的，值得嘗試。

03 多目標問題

對于多目標問題，之前我有寫過文章介紹（詳見：https://mp.weixin.qq.com/s?__biz=MzA4MDI0NDQyOQ==&mid=2447500702&idx=1&sn=d5996a7bf2ea22f318c1ff9fe853e47d&chksm=8bb27e3cbcc5f72ac793864f5ff03ed466e960157e82eca7d3239ac74106f1cd5f3b31195e7f&token=1295052248&lang=zh_CN#rd）。

Youtube處理這個問題的時候采用的方式是將多個目標用多個模型來處理：

這里面論文提到了MMoE模型，這個模型我還沒有學習，等日后看完論文再分享。

?

04 一些獨到的理解

?

好的論文對于讀者來講就是一種藝術品，在Youtube這篇論文中，它的很多觀點對我來說是醍醐灌頂式的啟發。之前在介紹DeepFM的時候我也講過，目前很流行的模型是淺層模型和深度學習模型結合的方式，但是淺層模型和深層模型彼此的特點和作用有什么區別呢？

Youtube論文給了一個解釋，淺層模型當特征很大的時候，提供的是強大的模型記憶點，幫助模型快速的理解問題。而深度模型提供的是在基礎理解之上的一種泛華能力。兩者結合，就是推薦模型的集大成者。

?

另外在用戶行為劃分方面，Youtube將用戶的behavior數據分成了兩中，分別是engagement behavior和satisfaction behavior

?

其中點擊、查看這種行為，對于用戶來講只表示參與，并沒有體現出用戶真實的態度，這部分行為叫engagement。而點贊或者踩，表明了用戶真實的態度，這部分叫Satisfaction behavior。

?

寫到最后：收獲滿滿的一篇論文，剛好最近在東南亞出差，可以多用用Youtube，多體驗下。

總結

以上是生活随笔為你收集整理的Youtube推荐系统是如何挖掘用户内心另一面的的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。