YouTube导入机器学习成果更精准推荐用户喜爱的影片
从好几年前开始，Google 就已经在机器学习领域里耕耘，也陆续将此技术导入到各项 Google 服务中，像是大家熟悉的 Google 图片、Pixel 2 人像模式等等，事实上 Youtube 也不例外，精准推荐用户最适合、最感兴趣的影片，就是靠它来实现，而为了让我们能更了解其运作原理，Google 今天就举办一场 Youtube 机器学习讲座。
2011 年之前，Youtube 的推荐影片功能都是以观看次数作为演算基础，当时他们认为用户对某个主题看了很多次，就代表对它有兴趣，但长期下来却发现到，这其实没办法直接反应是否符合用户需求。
用户很可能是找了 3、4 次才发现真正有兴趣的影片，而过程中这些快速略过的影片就不适合拿来参考。因此 2011~2012 年，Youtube 就把算法修改成“观看时间”，虽然观看次数一天下降 20%，但平均观看时间却从原本的 120 秒，提升到 140 秒，代表着推荐的影片变得更符合用户兴趣：
而 2014~2015 年进入行动时代后，Google 也开始导入机器学习技术，来加强推荐系统，让推荐影片更精准。只不过这不是一个简单任务，有很多问题需要解决，Google 就举例三个主要挑战：1. Youtube 上有非常庞大的资料规模，每分钟超过 500 万小时影片上传；2. 每天都有新的影片上传，加上创作者也希望第一时间就能让用户知道，因此必须能快速比对这些影片适合哪些用户；3.为了推荐精准，用户显性与隐性的使用回馈都是要纳入训练的资料，像是喜欢、不喜欢按钮、观看时间等等，因此资料相当的杂：
机器学习基础系统是使用 Google 的开源 TensorFlow，由两个神经网络结合而成，首先数百万部 Youtube 影片会进入第一个“候选生成模型”，利用浏览历史、搜寻历史以及年龄等资讯，先找出与用户相关的影片，把这些资料缩小成多个数百个资料子集，然后再进到第二个“排名模型”，接着再透过各项更细节的特征，如：语言、用户近期观看纪录、受不受欢迎等等，为每部影片评分，进而变成只剩下数十个推荐影音：
随着推荐功能导入机器学习技术后，可说是越来越符合用户需求，目前已经有超过七成的观看时间，都是来自观看 Youtube 自动推荐的影片内容。同时过去三年，使用者在 Youtube 首页点击推荐影片的观看时间，也成长了 20 倍。
除了推荐影片，今年六月起 Youtube 也把机器学习应用在辨识含暴力或宣扬极端主义的影音内容，根据数据显示，现在已经有超过八成的影片，是用户还没提出任何检举前，就已经从 Youtube 上移除，成效也非常明显：
标签: 游戏头条 资讯头条 ggamen科技资讯 ggamen科技 ggamen科技资讯头条 科技资讯头条 ggamen游戏财经 新闻网 科技新闻网 科技新闻 ggamen ggamen游戏新闻网 科技新闻 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 游戏头条 ggamen 科技新闻 科技新闻网 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 资讯头条
