编辑：Gemini
以下为本次分享的精华摘要： 什么是推荐系统？ 最早的视频推荐系统，我们可以追溯到街角的「录像店」在那里你可以租赁到自己喜欢看的碟。但是有了视频网站后，用户便可以在家通过 APP 打开智能电视，或者直接上网，找到他要看的视频、电影。所以推荐系统首先要让用户「能够」找到他想看的内容，其次，在找的过程中，还要让用户找的更爽。比如有个用户进来看了一堆内容，那么我们把他看的所有的历史行为，嵌入到推荐引擎当中去。这个推荐引擎就会生成个性化的频道，下次这个用户再登录，或者都不用下一次，过 5 分钟之后，他看到的内容就会根据他最近发生的历史行为发生变化，这就是推荐系统的基本逻辑。
刚刚说的这种方法叫基于用户行为的推荐，当然是有一定局限性的。比如你只有一个用户行为的时候，你就不知道他会不会看一个从来没人看过的内容，这其实就是长尾问题。当你可以积累越来越多的用户，用户的历史行为会有助于你对长尾内容的理解。
推荐系统最终可以抽象成一个优化目标的问题。 我们要想一想，这个推荐系统到底在为谁服务？实际上它在为三类不同的利益相关方在服务： 第一个：用户。用户是为了能够更方便找到他想看的东西。 第二个：平台本身。平台希望连接服务提供商、内容提供商和用户，他希望赚钱。 第三个：内容提供商，因为内容提供商如果能有更多露出，他在这个渠道上，就会获得点击量或者/和品牌效应，那么他就可以通过一些方法变现，无论是广告的方法还是在一些离线渠道收买的方法。 所以一个推荐算法要同时服务三个利益各不相同的相关方，这本身导致了一个矛盾性。
协同滤波 后来有人想到一个方法，就叫协同滤波，就是用一个 interactive 的方法去 train，两边互相学，然后收链，这是一个比较标准的方法。那么在我们的系统里面用了大概接近 7、8 年吧，也比较成功。 我们每一个展示叫一个 train，比如 Top picks for you 这是一个最标准的 record train，就是推荐 train. 第二个是 you may also like，你可能也会喜欢，这也是一个推荐的 train。 第三个就是一个子类别。一般大的类别就是言情、动作片，其实这个类别我们还分了一些小类别，比如说这个叫做法庭判案，实际上是动作片下面的一个主类别，这个也可以用推荐算法来产生。 这个叫 auto play，现在国内大多数网站都会有的功能，你看完了一个就自动播下一个，这个也是根据推荐算法来产生的
矩阵分解 现在的产品中我们使用的是矩阵分解的方法。 其实从 Netflix 以后大家就已经意识到矩阵分解是一种很有效的建模方式，它的基本原理就是把用户作为一个维度，内容作为一个维度，然后建一个二维的矩阵，把这个二维的矩阵找到一个低维的表示，这可能只有 50 或者 100 维，这个个数还是跟内容一样，所以每个内容有一个 100 维的小的表示，每个用户也有一个 100 维的小的表示。这两个作为一个点击，可以恢复出原来的东西。 为什么这样就能工作呢？详细讲解请见知乎 Live
Nade - 深度学习推荐引擎其实这个原理也不是很难，就是我们把这个 Nade 看成一个黑箱，基本的想法就是用 Nade 来训练一个用户的表示和一个内容的表示，但是这个表示可以不像矩阵分解那么死，因为它结合的时候不再是一个代数的点程，而是基于一个神经网络的，实际上带来了更多的自由度。 基于内容的推荐我们还会借助视频和音频相融合的方式。它有三套方法，一套是基于 CNN 的，一套是基于 RNN 的，还有一套是基于 SVM 的，一共是三套方法，我们会在三套方法中做一些融合。
如何说服用户？刚刚讲的所有模型，其实最后归根结底是「做展示」，无论是用货架的方法来展示，还是用自动播放的方法来展示。但是这个展示的有效性很大程度上是取决于你有没有打动用户，你要给她一个很好的理由。我们试图给出一些推荐的理由，比如我们给这个用户推了这个剧，我们会说是因为你看过他的前传，这样的话用户会觉得，你确实是有道理的。还有一个是增强用户对系统的信任，如果你的系统是黑盒，扔出来一堆剧说看吧，那估计很难说服用户。 大家可以回想一下，在录像店的体验，如果是那种小店的话，你跟那个店主特别熟，他给你推一个张媛又拍了一个新片你可以看。你会知道，他真的知道你了解你，给你推这个东西，我们想达到的就是让计算机能够被用户所信任。 当然大家可能觉得这个跟人编辑还是有很大的差距，所以我们还在继续努力。这里面也用到一些基本 CNN 的东西。所以深度学习在我看来就是一个工具，你可以用来做很多的事，掌握好这个工具，灵活性更大。 Hulu 的直播新尝试刚才大部分讲视频点播的场景，其实 HuLu 今年 6 月会做一个新功能：直播，这是一个很大的 feature，我们和美国四大电视台都有合作，直接把直播内容拿过来。每一个都是电视台正在播的节目，它跟歌华有很大的区别，你可以做搜索，你可以根据类别来分，已经完全把频道的概念淡化了，但你还是可以根据频道做一些浏览，并且可直接浏览，比如我想看现在所有的动作片，不管是哪个台播的，都可以直接看到。 我们的愿景是说，到了互联网时代，我们想要把电视台的概念完全透明化。它只是这个时间在播这个内容，对于这些内容应该怎样重新组合，完全应该是我们个性化推荐算法的责任，我们来给每个用户定制一个电视台，这是我们的愿景。 更多关于「直播」这个场景下，需要考虑的因素、需求、以及正在尝试使用的研究方法，可以移步「极客公开课知乎 Live」 |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
