• YouTube的推荐系统算法由两个神经网络组成：
  • 一个用于候选生成
  • 一个用于排序
    
• 以用户的浏览历史为输入，候选生成网络可以显著减小可推荐的视频数量，从庞大的库中选出一组最相关的视频
  • 这样生成的候选视频与用户的相关性最高，然后会对用户评分进行预测
• 这个网络的目标，只是通过协同过滤提供更广泛的个性化
  
• 进行到这一步，得到一组规模更小但相关性更高的内容
  • 目标是仔细分析这些候选内容，以便做出最佳的选择
• 这个任务由排序网络完成
• 所谓排序就是根据视频描述数据和用户行为信息，使用设计好的目标函数为每个视频打分，得分最高的视频会呈献给用户
  
• 通过这两步，可以从非常庞大的视频库中选择视频，并面向用户进行有针对性的推荐
  • 这个方法还能让把其他来源的内容也容纳进来
    
• 推荐任务是一个极端的多类分类问题
  • 这个预测问题的实质，是基于用户(U)和语境©，在给定的时间t精确地从库(V)中上百万的视频类(i)中，对特定的视频观看(Wt)情况进行分类。

大数据视频推荐：
网易云课堂
CSDN
人工智能算法竞赛实战
AIops智能运维机器学习算法实战
ELK7 stack开发运维实战
PySpark机器学习从入门到精通
AIOps智能运维实战
腾讯课堂
大数据语音推荐：
ELK7 stack开发运维
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通