Paul Covington

概述

Google/YouTube 工程师，Deep Neural Networks for YouTube Recommendations（RecSys 2016）第一作者，该论文确立了工业推荐系统的两阶段架构范式。

关键内容

1. 里程碑论文：作为第一作者发表了 Deep Neural Networks for YouTube Recommendations（RecSys 2016），这是推荐系统领域被引用最多的工业论文之一（Google Scholar 约 5000-6000+ 次引用）。论文提出了"候选生成 + 排序"的两阶段架构，将推荐建模为超大规模多分类问题。

2. 工程贡献：论文中的核心创新——双塔模型 原型、Example Age 特征、期望观看时长 优化目标、采样 Softmax 训练技术——均体现了深厚的工程实践功底。这些设计不仅解决了超大规模推荐系统的核心挑战，更成为后续工业实践的标准组件。

3. 行业影响：该论文在中国推荐系统从业者群体中的影响力尤其巨大，几乎每一位从事推荐系统工作的工程师和研究员，入行时的必读论文列表中都有这一篇。它不仅是学术引用的对象，更是工程实践的蓝图。

来源

• 07-youtube-dnn.md — Deep Neural Networks for YouTube Recommendations 深度解读

相关

• Deep Neural Networks for YouTube Recommendations — 第一作者的里程碑论文
• Jay Adams — 论文第二作者
• Emre Sargin — 论文第三作者
• YouTube — 研究平台