YouTube研發(fā)副總裁分享推薦影片的演算機制：沒有固定方式

Youtube現(xiàn)在推薦內容給你，并不會「照本宣科」以固定方式工作，而是會參考超過800億筆稱為信號的資訊，這些信號包括影片點擊次數(shù)、觀看時間、問卷調查的答復、喜歡和不喜歡的人數(shù)。

換句話說，你的影片一被推薦點擊次數(shù)高、看得越久、按喜歡的人越多，Youtube就會更愿意推薦給對這個影片有興趣的讀者。

影音平臺YouTube工程研發(fā)副總裁古德羅今天表示，為了提供個人化推薦內容，系統(tǒng)不會以固定方式工作，而是參考超過800億筆稱為信號的資訊，包括影片點擊次數(shù)、觀看時間、問卷調查、喜歡和不喜歡的人數(shù)等，動態(tài)調整推薦機制。

古德羅（CristosGoodrow）今天在Google國內官方博客發(fā)布最新文章「淺談YouTube推薦系統(tǒng)」，拆解推薦系統(tǒng)背后的工作原理，以及YouTube如何從數(shù)10億部影片中，根據(jù)使用者興趣提供個人化的影片推薦，并協(xié)助創(chuàng)作者觸及新觀眾。

古德羅說，YouTube大量的觀看次數(shù)來自推薦系統(tǒng)，它的成效甚至超越頻道訂閱和搜尋功能。他參與YouTube推薦系統(tǒng)的建構工作已有10多年，這套系統(tǒng)如今已成為YouTube所有使用者體驗中不可或缺的一部分，但推薦系統(tǒng)的工作原理往往被視為神秘的黑箱作業(yè)。

YouTube推薦系統(tǒng)主要在2個位置工作，包括用戶的首頁和「即將播放」面板。首頁是用戶開啟YouTube時第一個看到的畫面，會顯示個人化推薦內容、訂閱項目、最新動態(tài)和資訊等。系統(tǒng)會根據(jù)目前觀看的影片，及認為用戶可能感興趣的內容，推薦建議內容在「即將播放」面板中。

早期YouTube系統(tǒng)會根據(jù)影片的受歡迎程度決定排名，建立一個龐大的發(fā)燒影片頁面。觀看過這些被推薦影片的使用者并不多，絕大多數(shù)YouTube觀看次數(shù)都是由平臺以外的搜尋或他人分享的連結而來。

如今，YouTube的系統(tǒng)會從數(shù)10億部影片中，完全根據(jù)用戶的興趣量身打造出推薦內容。相較于其他平臺通過使用者本身的社交網(wǎng)絡找到推薦內容，YouTube推薦系統(tǒng)成功的關鍵在于精確預測使用者想觀看的影片。

古德羅指出，為了提供個人化推薦內容，推薦系統(tǒng)并不會「照本宣科」以固定方式工作，而是會參考超過800億筆稱為信號的資訊，這些信號包括影片點擊次數(shù)、觀看時間、問卷調查的答復、喜歡和不喜歡的人數(shù)。

他也提到，每個信號的重要性都取決于用戶。如果用戶會分享所有看過的影片，包括那些用戶給1或2顆星的影片在內，系統(tǒng)在推薦內容時，就知道不必過于加重計算用戶所分享的影片?；谝陨峡紤]，YouTube的系統(tǒng)并不會依循特定公式工作，而是會隨著用戶的觀看習慣動態(tài)調整推薦機制。

近年來不實資訊的盛行，也促使YouTube進一步擴展推薦系統(tǒng)的應用方式，將有問題的不實資訊和游走在違規(guī)邊緣的內容（瀕臨界線但并未明確違反社交規(guī)范的內容）納入其中。

YouTube在2019年首度開始調降違規(guī)邊緣內容在推薦系統(tǒng)中的排名，當時在美國，未訂閱頻道的使用者經(jīng)由系統(tǒng)推薦觀看違規(guī)邊緣內容的時間減少70%。如今經(jīng)由系統(tǒng)推薦觀看違規(guī)邊緣內容的比例遠低于1%，YouTube目標是將經(jīng)由系統(tǒng)推薦觀看違規(guī)邊緣內容的次數(shù)，降低至整體觀看次數(shù)的0.5%以下。