YouTube影片推薦怎麼知道你想看什麼?關鍵就在機器學習 ... | youtube推薦系統
不少人觀賞YouTube上的影片內容,會發現YouTube會推薦許多你可能感興趣的內容,Google今天揭露這項服務背後的關鍵技術為機器學習,透過機器學習過濾出使用者可能感興趣的內容,以提供用戶個人化的體驗。全球每分鐘約有超過500小時的影片被上傳到YouTube,這些大量的內容中,如何找出使用者可能感興趣的內容推薦給他們,成為YouTube服務團隊的任務之一。YouTube工程研發副總裁CristosGoodrow表示,YouTube的工作之一就是幫用戶在大量的內容中找到他們想看的,進而改善他們的服務體驗、提昇滿意度。為了達到這個目標,YouTube持續優化服...
不少人觀賞YouTube上的影片內容,會發現YouTube會推薦許多你可能感興趣的內容,Google今天揭露這項服務背後的關鍵技術為機器學習,透過機器學習過濾出使用者可能感興趣的內容,以提供用戶個人化的體驗。
全球每分鐘約有超過500小時的影片被上傳到YouTube,這些大量的內容中,如何找出使用者可能感興趣的內容推薦給他們,成為YouTube服務團隊的任務之一。YouTube工程研發副總裁Cristos Goodrow表示,YouTube的工作之一就是幫用戶在大量的內容中找到他們想看的,進而改善他們的服務體驗、提昇滿意度。
為了達到這個目標,YouTube持續優化服務,例如2011、2012年間將演算法從觀看次數(Views)改為觀看時間(watchtime),雖然這麼做導致了觀看次數在一天內下降20%,但觀看時間卻從平均120秒提高到140秒,到如今,2017年全球每天YouTube觀看時數已達到10億小時。從觀看次數轉為觀看時數,代表YouTube更看重使用者的黏著度,也就是用戶可能感興趣的內容。
由於觀看行為的改變,人們從PC觀看YouTube逐漸轉向在手機、平板電腦上觀看,據統計現已有超過60%觀看時間是在行動裝置上,YouTube也在2014年到2015年優化行動網頁,讓頁面的排版更個人化外,還導入了Google Brain團隊的機器學習技術,改善YouTube影片推薦的準確性,讓影片觀賞經驗更個人化。
去年到今年YouTube大大小小共推出190個更新,目的為提昇用戶滿意度、維持新鮮感,讓網頁更個人化,並重新設計行動首頁,使介面更簡潔,首頁顯示和使用者相關的個人化推薦影片。種種改善造就現今超過70%的觀看時間來自YouTube自動推薦的內容,YouTube首頁每天推薦2億支不同內容影片,在首頁點擊推薦影片的觀看時間,三年來成長了20倍之多。
全球YouTube用戶超過7成的觀看時間來自自動推薦影片,YouTube如何在龐大的影音內容中挖掘出使用者可能感興趣的內容推薦給用戶,背後的功臣是Google在2015年開源的TensorFlow的機器學習技術,打造YouTube影片推薦系統。
以TensorFlow架構的機器學習模型,讓深...