一、简介
本文首发于微信公众号：机器学习荐货情报局
首先，YouTube的推荐系统主要包括两个部分：Deep Candidate Generation model和Deep Ranking model. 这两部分全都是用的神经网络，而且网络结构相似。Deep Candidate Generation model在成千上万的视频集中选出几百个视频作为推荐候选集；Deep Ranking model对这些候选集里所有视频进行打分排序，然后按照排序的结果像用户推荐视频。
YouTube的推荐系统相比于其他的推荐系统不同之处在于，三个不同的挑战：
-
Scale
YouTube用户和视频数量都非常大，在小规模数据上效果不错的推荐系统在这里的表现差强人意。（文章没有说具体的数量在什么级别，现在国内的互联网公司用户和内容的数量应该也非常大吧，这应该不能算是YouTube特有的挑战了） -
Freshness
用户每时每刻都会上传很多新视频；如何平衡新老视频的推荐是一个问题，属于explorationorexploitation的问题。 -
Noise
用户和视频数量巨大导致行为数据矩阵特别稀疏，难以利用；同时，无法有效获取用户对内容的真正满意程度；内容数据还没有一个完善的结构化表示方法；
于是，YouTube利用Google Brain构建深度学习模型来解决问题。Google Brain就是Tensorflow的前身。训练的模型规模大概是10亿参数，使用了hundreds of billions样本来进行训练。
上千亿条训练样本么？真的有这么大么
二、系统概览
系统架构如下：
YouTube推荐系统架构
系统包含两部分：Candidate generation和Ranking。Candidate Generation的作用是从上百万视频库中选出几百个视频作为候选推荐集，主要是利用协同过滤实现比较粗的个性化，比如利用用户观看的视频IDs、搜索查询的tokens、人口统计信息；Ranking的作用是在这数百个视频中进行更加精确的深层次的个性化推荐，主要做法包括根据自定义目标函数对视频打分、使用更加丰富的视频和用户特征、根据打分来进行排序；当然，我们也可以用一些其他的规则方法等进行候选集的扩充；
线下的评估方法包括：precision、recall、ranking loss等；最终的效果还是需要线上做A/B测试，关注的指标包括：点击率、观看时间等；需要指出的是，线上线下有时候并不能保持一致的结果。
三、Candidate Generation Model
该模块最初是用matrix factorization在rank loss下训练的；最初改用DNN后，仅仅对用户之前的观看视频进行了embeding，这可以看成是矩阵分解技术的非线性扩展；
3.1 Recommendations as Classification
把推荐看成是一个类别非常多的多分类问题，形式化如下：
Candidate Generation Model Format
一个特定的用户U，在时刻t，在一个特定的上下文环境C下，U从所有的视频V中选中i进行观看。u表示pair(User, Context);Vj表示候选视频j的embedding向量；
训练集负样本太多怎么办？
对负样本进行负采样，并用importance weighting进行校正。
损失函数是什么？
模型使用cross-entropy loss来进行训练，loss使用正类和采样后的负类进行计算；
Serving latencey如何保证？
因为视频是在是太多了，线上要求，必须在几百毫秒内计算并选择出最可能的N个类别（videos）并呈现给用户。为了降低服务延迟，原来的做法是hashing，现在的做法是利用已有的nearest neighbor searchin the dot space，已经有很多成熟的算法来做这件事。
3.2 模型架构
Deep Candidate Generation Model
架构非常清楚：
- 观看视频记录、搜索记录全部进行embedding，转换成低维度的dense vector
- 因为每个人的观看和搜索记录是变长的，为了统一输入，对embedding vectors进行average。而且作者也指出尝试了其他策略，比如max min sum等等，发现取平均效果最好；
- 激活函数是ReLU；最后用softmax得到概率；loss函数为cross-entropy交叉熵（适用于多分类）
3.3 特征
特征包括：
-
观看历史 + 搜索历史
搜索历史处理办法：对每一个query使用一元和二元模型tokenized，然后embedded；最后取平均，认为它是对用户搜索历史的一个代表；
-
人口统计特征
为我们的推荐引入先验知识 -
地理位置、Device、gender、logged-in state、age
连续值正则化到[0,1],离散值进行编码处理
这里单独说一个对性能带来很大提升的特征：训练样本年龄（Example Age Feature）
很简单的道理：视频刚刚被上传不久的时候，观看的人要多一些；时间越长观看的人越少；所以加入了这个时间特征，表示视频上传时间距当前时间有多久。对于真正的待预测的视频，则直接用一个比较小的值就可以了。效果很明显，因为没有这个特征的话，模型试图给出的是在整个训练周期上的一个平均的观看时间；
Example Age Feature
3.4 标签选取
针对每一个用户，都选出固定数量的训练样本；防止一些高活跃度用户主导loss的计算，保证每个用户对loss的贡献都是均等的；
3.5 特征和模型深度
毫无疑问，特征越多，模型深度适当的加深会提高模型的性能，实验结果也是如此：
Features and Depth
四、Ranking Model
现在Candidate Generation Model已经给出了候选集；在Ranking阶段，我们可以使用更多的特征，因为我们只需要对候选集中的视频打分即可，依旧针对每一个展示的观看时间来进行学习；
4.1 特征表示
从两个维度对特征进行分析：
- 取值数量。分为单一特征（univalent），比如当前待展示待打分的视频ID；和多值特征（multivalent），比如用户过去观看的N个视频ID；
- 特征描述内容；分为描述Item（“impression”）还是描述user/context（“query”）；query特征每次请求都会被重新计算，因为他一直在变化；Item特征描述其固有属性只需要针对每个Item计算一次就可以了；
具体的特征处理包括：
特征工程：
虽然DNN隐含了特征工程，但是作者还是做了很多特征工程（个人认为，这说明网络模型并不是很适合这个数据，或者说这个网络结构不像CNN那样高效）。
最重要的两方面特征如下：
- 用户历史行为。用户之前和那些items有过交互，或者和相似的items的交互；
- 之前视频展示的频率。如果一个视频之前展示过，用户没有观看；那么用户在下次展示的时候依旧不会观看的概率比较大；
离散特征Embedding：
针对观看视频ID等离散特征，依旧是embedding的处理方式，embedding的维度参考log(nunique(value))。对于取值特别多的特征，可以根据出现的频率进行截取，比如只取前N个；对于这N个之外的值的embedding可以全用零填充；
针对multivalent的离散特征，处理方式是取均值（也是常规的做法了）
连续特征Normalizing：
这个已经是老生常谈了，尤其是对于深度学习必须做归一化；但是作者还提到他们对归一化后的特征还取了平方、开方得到两个新特征，也提高了线下性能；
这样看似毫无逻辑的特征竟然也有用。。。可能真的是丰富了特征的表达吧，只能这么理解了
4.2 模型架构
Ranking Model模型架构
网络结构上图画的非常清楚，三层ReLU，最后用logistic得到概率；针对连续特征归一化+增强处理；针对离散特征主要是进行embedding，对于多值边长离散特征，比如观看视频IDs，对么embedding的结果取平均；
同时，模型依旧是对观看时间建模，使用点击率容易被标题党欺骗；同时还对不同深度的网络进行了测试，增加网络深度能稍微提升性能，考虑性价比的话并不是很合适，实验结果如下：
Ranking Model Experiment
五、总结
总结起来值得特别主要的关键点如下：
- 训练样本Age，很好的对刚上传的视频观看率高这一事实进行了建模，显著的提升了性能，消除了模型隐含推荐老视频的问题；
- 推荐系统，最重要的特征还是在挖掘描述用户对商品的历史行为上；
- 最后Ranking Model的logistic regression，针对正样本使用其观看时间作为权重，负样本统一为单位权重，进行调整。这样让我们可以更好的对观看时间进行建模；
Reference
-
《Deep Neural Network for Youtube Recommendations》
机器学习荐货情报局.jpg
网友评论