Python培訓之從YouTube算法論文反推其推薦機制（一）

去年，在波士頓舉辦的第10屆ACM推薦系統(tǒng)大會（ACM’s RecSys ‘16）上，來自Google的一個研究團隊公布了YouTube推薦系統(tǒng)的深度學習論文：Deep Neural Networks for YouTube Recommendations

論文作者是Google的軟件工程師 Jay Adams 與高級軟件工程師 Paul Covington、Embre Sargin，他們向業(yè)界展示了YouTube在機器學習推薦算法上的深度神經(jīng)網(wǎng)絡使用情況。該論文涉及到一些非常技術、非常高級的細節(jié)，但它最大的意義是為我們完整描繪了YouTube推薦算法的工作原理??！該論文細致、審慎地描述了YouTube檢索、篩選并推薦視頻時的大量細節(jié)。

算法論文的UP主解析

YouTube工程師發(fā)布在ACM上的算法論文，目標受眾顯然不是我們這些UP主。但為了流量，閱讀并理解該算法的內容，并讓它來為我們UP主們服務就顯得義不容辭了。接下來就看我們如何從UP主的角度來解析這篇算法論文。

在論文公布之前，我們上一篇分析YouTube算法的文章（詳見AI科技大本營的譯文：《想讓視頻網(wǎng)站乖乖幫你推內容？看看這位小哥是如何跟YouTube斗法的》），關注的主要是觀看時長這一個因素，因為我們只能從自己上傳的視頻數(shù)據(jù)中來反推YouTube算法的工作原理，這肯定要受限于我們視頻的內容和受眾。我們之所以了解YouTube的算法，是因為我們解決了一下做視頻路上碰到的這個問題：“為什么我們的視頻就能這么成功呢？”為此，我們盡最大努力來分析已有的信息，但最初的結果并不理想。盡管我100％支持我們的結論，但我們先前的方法存在兩大問題：

僅用頻道指標的一部分來做反推，意味著我們在數(shù)據(jù)上存在巨大的盲點，畢竟我們無法訪問競爭性指標、會話指標與點擊率。對于那些基于UP主的指標，YouTube算法所給的權重非常小。它更關心的是觀眾以及單個視頻的指標。換句話說，該算法并不關心你所上傳的視頻，而是關心你和其他人正在看的視頻。

但在我們寫最初那篇文章的時候，YouTube或Google數(shù)年來都沒公布過有關該算法的任何信息。所以，我們只有自己動手。有了Google新近公布的這篇論文，我們就可以一窺它推薦機制的究竟，并找出其中的重要指標。希望這能回答一個讓我們更為辛酸的問題，“為什么有些視頻能取得成功？”

深度學習是個無底洞

論文簡介部分最大的亮點是YouTube確實在用深度學習來驅動推薦算法。這種做法不新鮮，但此次確認證實了大家此前的猜測。作者在論文開頭是這樣說的：

在本論文中，我們將集中介紹深度學習對YouTube視頻推薦系統(tǒng)的全面影響……跟Google其他領域的產(chǎn)品一樣，YouTube同樣經(jīng)歷了用深度學習來解決所有通用學習問題的根本性范式轉變。

這就意味著，今后人工調整算法、人工權衡這些調整并將其部署上世界最大的視頻分享網(wǎng)站的機會將越來越少。而是由算法實時來讀取數(shù)據(jù)、為視頻排名，然后基于這些排名來推薦視頻。所以，當YouTube表示他們不知道算法為什么那樣做時，有可能他們確實不知道。

兩大神經(jīng)網(wǎng)絡

該論文以算法的基本架構作為開篇，下面是作者的圖示：

本質上這就是兩個大的過濾器，各自有著不同的輸入。作者寫道：

該系統(tǒng)由兩大神經(jīng)網(wǎng)絡組成，一個用于生成候選視頻，一個用來對其排名。

這兩個過濾器及其輸入內容，基本上決定了用戶在YouTubes上能看到的每一個視頻：建議你播放的下一個、推薦給你的視頻列表、你所瀏覽的視頻列表……

第一個過濾器是候選生成器。論文中解釋，候選是基于用戶的YouTube活動記錄產(chǎn)生的，也就是用戶的觀看歷史與觀看時長。候選生成器還會考慮相似用戶的瀏覽記錄，這一點被稱為協(xié)同過濾。相似用戶是算法通過視頻ID、搜索關鍵詞及相關的用戶統(tǒng)計信息決定出來的。

候選生成器的通過率僅為屬百分之一，換言之，如果某個視頻能從數(shù)百個中脫穎而出成為你的候選視頻，它必定是跟你的觀看記錄有關，同時還有一個跟你相似的用戶已經(jīng)看過它。

第二個是排名過濾器。該論文對排名過濾器進行了大量的深度解析，并列j舉出不少有趣的因素。作者寫道，排名過濾器是這樣給視頻排名的：

基于描述視頻和用戶的豐富特征，目標期望函數(shù)會給每個視頻設定分數(shù)。根據(jù)分數(shù)排名，得分最高的視頻將被展示給用戶。

由于觀看時長是YouTube為用戶設定的首要目標，我們只好假定這就是“目標期望函數(shù)”的意義。因此，考慮到各種不同的用戶輸入，該分數(shù)的意義就是某視頻能夠轉化成用戶觀看時長的程度。但不幸的是，事情沒有那么簡單。根據(jù)作者透露，該算法還會考慮很多其他的因素。

我們在排名過濾器中用到了數(shù)百種特征。

本文版權歸黑馬程序員Python培訓學院所有，歡迎轉載，轉載請注明作者出處。謝謝！

作者：黑馬程序員Python培訓學院

首發(fā)：http://m.409rqu1.cn/news/python.html