个性化推荐系统设计（4.1）—

在过去的十年中，神经网络已经取得了巨大的飞跃。如今，神经网络已经得以广泛应用，并逐渐取代传统的机器学习方法。接下来，我要介绍一下YouTube如何使用深度学习方法来做个性化推荐。

由于体量庞大、动态库和各种观察不到的外部因素，为YouTube用户提供推荐内容是一项非常具有挑战性的任务。

YouTube的推荐系统算法由两个神经网络组成：一个用于候选生成，一个用于排序。如果你没时间仔细研究论文，可以看看我们下面给出的简短总结。

以用户的浏览历史为输入，候选生成网络可以显著减小可推荐的视频数量，从庞大的库中选出一组最相关的视频。这样生成的候选视频与用户的相关性最高，然后我们会对用户评分进行预测。

这个网络的目标，只是通过协同过滤提供更广泛的个性化。

进行到这一步，我们得到一组规模更小但相关性更高的内容。我们的目标是仔细分析这些候选内容，以便做出最佳的选择。

这个任务由排序网络完成。

所谓排序就是根据视频描述数据和用户行为信息，使用设计好的目标函数为每个视频打分，得分最高的视频会呈献给用户。

通过这两步，我们可以从非常庞大的视频库中选择视频，并面向用户进行有针对性的推荐。这个方法还能让我们把其他来源的内容也容纳进来。

关注我的技术公众号《漫谈人工智能》，每天推送优质文章

个性化推荐系统设计（4.1）——案例分析相关推荐

计算机配件推荐系统论文摘要,个性化推荐系统设计
内容简介: 个性化推荐系统设计,毕业设计,共65页,29540字,附外文翻译. 摘要个性化推荐系统根据用户的历史数据,利用推荐算法向他们推荐可能感兴趣的商品.协同过滤(CF)是目前研究最多.应用最广 ...
个性化推荐系统设计（2.2）——Few-shot Learning用于冷启动的探索
在推荐领域,我们常常会遇到冷启动的问题,这可能在所有的推荐项目中或多或少都会涉及.对于该问题,通常的解决方法如下: ①(提供非个性化的推荐)比如先推荐热门排行榜,收集一定用户数据后,再进行个性化推荐: ...
141.如何个性化推荐系统设计-1
141.1 什么是个性化推荐系统? 个性化推荐系统就是根据用户的历史,社交关系,兴趣点,上下文环境等信息去判断用户当前需要或潜在感兴趣的内容的一类应用. 大数据时代,我们的生活的方方面面都出现了信息过 ...
143.如何个性化推荐系统设计-3
143.1 算法介绍协同过滤算法协同过滤(Collaborative filtering, CF)算法是目前个性化推荐系统比较流行的算法之一. 协同算法分为两个基本算法:基于用户的协同过滤(Use ...
系统设计说明书案例_VAV系统设计要点与案例分析
影响VAV系统效果的设计要点: 全空气定风量系统: 新风机+风机盘管系统: 空气循环半径和配用风机均很小,风机能耗小.且能实现各房间或空调区域的室温控制,便宜. VAV系统(全空气变风量系统): 系统 ...
142.如何个性化推荐系统设计-2
142.1 离线训练离线训练流程如何线上实时反馈特征? 在线计算,与曝光日志一起上报,离线直接使用如何解决曝光不足问题? 使用CTR的贝叶斯平滑(CTR = 曝光次数 / 点击次数) 所有新闻自 ...
个性化推荐系统设计（3.1）——如何评价个性化推荐系统的效果
准确率与召回率(Precision & Recall) 准确率和召回率是广泛用于信息检索和统计学分类领域的两个度量值,用来评价结果的质量.其中精度是检索出相关文档数与检索出的文档总数的比率 ...
智能个性化推荐系统设计
推荐系统构成 * 召回层 - 对海量的数据进行召回 * 排序层 - 对召回后的数据进行排序,排序结果返回给用户推荐系统架构基于物品的推荐系统架构基于用户的推荐系统架构
【阅读笔记】联邦学习实战——联邦个性化推荐案例
联邦学习实战--联邦个性化推荐案例前言 1. 引言 2. 传统的集中式个性化推荐 2.1 矩阵分解 2.2 因子分解机 3. 联邦矩阵分解 3.1 算法详解 3.2 详细实现 4 联邦因子分解机 4 ...
电子商务网站商品推荐案例分析
本案例的主要目的是通过分析用户和网站数据,使用数据挖掘技术,分析老客户忠诚度下降的原因. 建立客户忠诚度模型,提高其忠诚度. 一.分析方法和过程数据来源:客户信息.交易信息分别存放在网站数据库的客户 ...

个性化推荐系统设计（4.1）——案例分析

个性化推荐系统设计（4.1）——案例分析相关推荐

最新文章

热门文章