在本篇文章里，我們將帶來視頻推薦系統(tǒng)的技術(shù)解析和最新的進展，為此，我們專門采訪到了優(yōu)酷技術(shù)推薦算法負責人夏頡。

與圖文推薦和音頻推薦不同，視頻推薦系統(tǒng)要考慮的元素更多，有的時候影響推薦結(jié)果的甚至是一些細微的因素。從 2017 年正式引入推薦算法到現(xiàn)在，優(yōu)酷推薦系統(tǒng)到底經(jīng)歷了哪些迭代與創(chuàng)新?對于視頻推薦系統(tǒng)來說，到底還有哪些可以探索的方向?本文將為你一一解答。

優(yōu)酷推薦系統(tǒng)概況

夏頡告訴記者：“優(yōu)酷是在 2017 年下半年開始進行算法化升級的。”

“剛開始是在某些重點場景實現(xiàn)單場景的千人千面，當我們在這些場景拿到很多不錯的收益之后，才開始逐漸在全站推廣。”夏頡說，直到去年，優(yōu)酷才逐漸將單場景的推薦進行了多端、多場景上進行的融合，形成全網(wǎng)站一致化的推薦體驗，用戶現(xiàn)在在頁面上看到的推薦內(nèi)容就是在這時完成的。

至于為什么會在去年才逐漸向全站推廣，夏頡解釋說，視頻推薦系統(tǒng)與文字推薦系統(tǒng)還是有很多不同的。由于文字提取主題和標簽(tag)的方式更加容易，加之 NLP 技術(shù)發(fā)展了這么多年，技術(shù)理論與工業(yè)實踐已經(jīng)到達了相對可用的級別，所以實現(xiàn)起來會比較容易。

而計算機視覺領(lǐng)域雖然在近幾年取得了比較迅速的發(fā)展，但還是停留在比較具象的層次，比如識別屋子里有一把椅子，或者識別桌子上有一瓶水等等。而對于畫面中的人物正在進行的活動主題——譬如“屋子里的人正在家長里短或者激烈爭吵”等等，推薦系統(tǒng)對這類主題的建模與識別還是相對來說比較困難的。

另外，夏頡補充道，用戶對文章的消費很多時候是因為文章的主題，但是對于視頻的消費是很多元化的，甚至可能是因為其中某一個很不起眼的因素所吸引。可能是因為某個場景的背景音樂，或者說主角使用的某個道具等等。所以，如何去判斷一段視頻中，哪些因素是吸引用戶的關(guān)鍵，對于視頻推薦系統(tǒng)來說是非常重要的。

“數(shù)據(jù)就是殺手锏”

在介紹完優(yōu)酷推薦系統(tǒng)的概況后，記者進一步向夏頡了解了推薦系統(tǒng)技術(shù)層面的內(nèi)容。

依托于阿里巴巴的數(shù)據(jù)儲備，優(yōu)酷擁有了大量的數(shù)據(jù)，并繪制出了更加精準的文娛知識圖譜，夏頡說，數(shù)據(jù)就是優(yōu)酷推薦系統(tǒng)的殺手锏。

首先，從算法上來說，夏頡表示，對于視頻推薦系統(tǒng)來說，最重要的是通過多模態(tài)的視頻分析和內(nèi)容標簽的提取來充分理解視頻;其次，要建立一個文娛領(lǐng)域的知識圖譜，譬如某位男明星和女明星之間是夫妻關(guān)系，在用戶觀看這位男明星的視頻時，是否能推薦他妻子的相關(guān)視頻給用戶;另外，怎樣把知識圖譜更好地應用在推薦系統(tǒng)的召回和排序中，也非常重要;同時，怎樣把有聯(lián)系的用戶之間建立一個行為網(wǎng)絡，通過這個行為網(wǎng)絡更好地進行用戶之間的熟人視頻消費內(nèi)容推薦，也是優(yōu)酷在考慮的問題。

夏頡以用戶畫像為例進行了更詳細的介紹。在優(yōu)酷的用戶群中，有一類叫做“小嫂子”，組成這個群體的核心成員是一些全職的家庭主婦，在進行視頻推薦的時候，更多地會為這類用戶推薦家庭倫理情感類的視頻。

對于毫無數(shù)據(jù)的新用戶，推薦算法又是如何進行精準推薦的呢?

夏頡說，這是一個非常有意思的話題，如果單獨對優(yōu)酷來講，這會是一個大問題，但是現(xiàn)在，優(yōu)酷是阿里經(jīng)濟中很重要的一環(huán)，這個問題就不再是難題了。

阿里巴巴基本上覆蓋了當前大多數(shù)中國人線上線下的消費，例如某個用戶可能在大麥上買過某場演唱會的票，或者可能在淘票票上買過某部電影的票，亦或者他可能在天貓上經(jīng)常購買某一類動漫的手辦等等，通過用戶在衣食住行上的偏好或消費習慣，哪怕他沒有進行內(nèi)容消費，也是可以通過這些信息對他做出比較準確的推薦。

如果這個用戶甚至都不在阿里經(jīng)濟覆蓋范圍之內(nèi)，也有很多別的辦法可以進行畫像，比如從人口屬性判斷，用戶來自哪個城市、屬于哪個年齡層等等，根據(jù)和他相似人群的觀看習慣，仍然可以為新用戶做一些個性化的推薦。

除了算法上的優(yōu)化，在推薦方式上，優(yōu)酷也是下了一番功夫的。

夏頡舉例說，在視頻封面上，優(yōu)酷已經(jīng)開始大規(guī)模使用個性化配圖推薦了。

夏頡告訴記者，封面?zhèn)�性化配圖是在 2018 年下半年的時候大規(guī)模展開的。優(yōu)酷對于上百部影視作品，每部都會配有至少十張以上的封面圖，由設(shè)計進行產(chǎn)出，而算法會根據(jù)用戶不同的行為消費偏好，推薦他可能更感興趣的封面圖，促進用戶對內(nèi)容的轉(zhuǎn)化和消費。

而對于短視頻，夏頡表示，優(yōu)酷內(nèi)部也有足夠的技術(shù)儲備：“我們現(xiàn)在能夠智能生成短視頻的封面圖，并根據(jù)用戶對短視頻的消費進行個性化分發(fā)，在線上取得了很不錯的收益。”

對于剛剛添加的新視頻，優(yōu)酷也能做到實時推薦。夏頡說，這一功能的實現(xiàn)得益于內(nèi)部的一套冷啟動算法系統(tǒng)，該系統(tǒng)能夠保證每天百萬級的短視頻，在 24 小時內(nèi)冷啟動完畢，從而實現(xiàn)精準推薦。

除了上面提到的各種技術(shù)，近年來比較流行的強化學習、圖像學習等技術(shù)也已經(jīng)在優(yōu)酷內(nèi)部進行實驗，或許在不久之后，用戶就能體驗到這些技術(shù)帶來的便利。

未來規(guī)劃

由于推薦系統(tǒng)技術(shù)也在不斷迭代，在采訪的最后，夏頡也談了談自己正在研究的方向和對推薦系統(tǒng)未來發(fā)展的一些規(guī)劃。他表示自己也在關(guān)注著很多領(lǐng)域的進展，希望將最新的技術(shù)應用在推薦系統(tǒng)中。

比如多模態(tài)視頻內(nèi)容分析，它不僅可以對一些具象進行分析，還可以對一些抽象概念進行提取，就像前文中說的，可以理解某一個場景中正在發(fā)生什么事;另外，基于圖計算的推薦系統(tǒng)也是夏頡正在研究的方向。

夏頡告訴記者，阿里文娛是一個覆蓋了全端全場景的娛樂消費平臺，怎么樣在多端、多場景下做到消費體驗一致化，并盡可能的提升用戶在整個娛樂生態(tài)系統(tǒng)里的消費體驗和市場，是一個需要長期不斷探索的問題。

標簽： [db:TAGG]

版權(quán)申明：本站文章部分自網(wǎng)絡，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。