21｜YouTubeDNN：召回算法的后起之秀（上）
黄鸿波
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。
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
- 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
《手把手带你搭建推荐系统》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(3)
- 最新
- 精选
peterYoutubeDNN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 
Weitzenböckexample 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
