手把手带你搭建推荐系统
黄鸿波
谷歌开发者专家,知名游戏公司技术专家
3441 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 36 讲
手把手带你搭建推荐系统
15
15
1.0x
00:00/00:00
登录|注册

21|YouTubeDNN:召回算法的后起之秀(上)

你好,我是黄鸿波。
在前面的课程中,我们讲解了几种不同的召回算法,在这节课中我们会继续前面的课程,学习一个新的召回算法——YouTubeDNN 模型。YouTubeDNN 模型因为内容比较多,我把它分成了上下两篇,我们这节课先聚焦 YouTubeDNN 模型的概念和召回原理,在下节课实现一个基于 YouTubeDNN 的召回。

YouTubeDNN 模型的概念及结构

上一节课中说到比较经典的 U2I 模型有两种,一种是 DSSM,另一种就是这节课要讲解的基于 YouTubeDNN 的召回模型。
YoutubeDNN 是 Youtube 用于做视频推荐的落地模型,可以说是最近几年来推荐系统中的经典模型。其大体思路就是召回阶段使用多个简单的模型来进行筛选,这样可以大量地筛除相关度较低的内容,而排序阶段则是使用相对复杂的模型来获得精准的推荐结果。因此,YouTubeDNN 实际上包含了两个部分:召回和排序。这里我们主要讲解 YouTubeDNN 模型中的召回部分。
YouTubeDNN 模型的召回主要是完成候选视频的快速筛选(在论文中被称为 Candidate Generation Model),也就是候选集的生成模型。在这一部分中,模型要做的就是将整个 YouTube 数据库中的视频数量由百万级别降到数百级别。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

YouTubeDNN模型是一种用于视频推荐的召回算法,通过多个简单模型进行筛选,快速生成候选视频集。相比传统协同过滤算法,YouTubeDNN利用Embedding向量和负样本特殊采样处理,解决了处理大规模数据的问题。模型的召回部分包括输入层、三层ReLU神经网络和Softmax层。在特征构造中,对于用户观看的视频并没有取视频的特征,而是利用DNN自动学习商品的Embedding特征。此外,YouTubeDNN还采用最临近搜索方法完成topN推荐,提高效率。文章还介绍了YouTubeDNN中一些工程上的trick,如采样问题和上下文选择。整体而言,YouTubeDNN模型通过其独特的结构和处理方式,为视频推荐系统带来了新的思路和解决方案。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《手把手带你搭建推荐系统》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(3)

  • 最新
  • 精选
  • peter
    YoutubeDNN是运行在网站后端吧,其运行需要很多机器资源吗?

    作者回复: 一般来讲需要使用GPU服务器来进行推理服务

    2023-06-05归属地:北京
    2
  • 爱极客
    老师,这节课的理论,后面会有使用案例吗?

    作者回复: https://github.com/ipeaking/recommendation https://github.com/ipeaking/scrapy_sina

    2023-06-02归属地:广东
  • Weitzenböck
    example age也是个不很错的Trick,因为用户更偏爱观看比较新的视频。
    2024-02-23归属地:江苏
收起评论
显示
设置
留言
3
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部