Deep Neural Networks for YouTube Recommendations

概述

YouTube推荐系统经典论文，提出了"候选生成+排序"的两阶段架构，奠定了工业推荐系统十年的架构范式。

关键内容

1. 核心贡献：
2. 首次在工业级推荐系统中成功应用深度神经网络
3. 提出"候选生成+排序"两阶段架构，解决数十亿规模推荐问题

4. 将推荐问题建模为超大规模多分类问题

5. 两阶段架构：

6. 候选生成：从数十亿视频中筛选数百个候选，使用深度神经网络+采样softmax

7. 排序：对候选进行精细化排序，优化期望观看时长而非点击率

8. 关键技术创新：

9. Example Age特征：解决新鲜度偏差问题，让模型倾向推荐新内容
10. 加权逻辑回归：用点击率优化观看时长，避免"标题党"效应
11. 训练-服务不对称设计：训练用softmax，服务用近似最近邻检索

来源

• 07-youtube-dnn — 深度解读文档
• [[]] —

相关

• YouTube — part_of
• 候选生成 — extends
• 双塔模型 — implements
• Example Age — introduces
• 期望观看时长 — introduces
• 采样 Softmax — uses
• 近似最近邻检索 — uses
• Paul Covington — authors
• Jay Adams — authors
• Emre Sargin — authors
• RecSys 2016 — published_at