Youtube 추천 : Deel Neural Networks for Youtube Rec.

[farmeter]

2010 발표된 "The YouTube Video Recommendation System"

시스템의 지향점

• 직접 탐색, 검색이 아닌 의도 없음(Unarticulated want)을 위함
• 개인화된 영상을 추천

제약조건

• 비디오, 유저 숫자가 굉장히 큼
• 순간적인 인기의 비디오들이 go viral 많아서 갱신주기가 짧음

후보군 Candidate generation

1. Seed video : 유저가 반응을 보였던 seed video를 추출
2. Releated videos 생성 : releatedness score가 높은 비디오들을 추출(기본적으로는 같은 세션에서 시청된 횟수)
3. 초기 후보셋 생성 : 하나의 후보셋으로 합침
4. 확장된 후보셋 생성
   • 후보셋이 너무 좁아지지 않도록 releated vidoes 연산으로 도달가능한 모든 비디오들을 포함. 확장된 후보셋 생성
5. 최종 후보셋 생성 : 유저가 이미 봤던 비디오셋은 제외

랭킹

후보셋 중 랭킹 알고리즘 적용

• Video quality : 유저에 상관 없이 비디오의 절대적인 품질. 총 시청횟수. 레이팅. 공유된 수
• User specificity : 유저 활동 기반의 개인화된 추천점수
• Diversification : 같은 채널이나 비슷한 비디오가 너무 많이 추천되지 않도록

엔지니어링

• 추천셋 업데이트 방식 : 배치, 하루에도 여러번
• 유저별 로그 저장 : 구글의 nosql Bigtable(open source ver이 hbase)
• Readonly 스타일로 random access를 통해 low latency 확보

평가

• CTR click through rate : 사용자가 추천된 컨텐츠를 클릭한 비율
• Long CTR : 장시간 시청
• 개별 유저 세션 기이
• 유저가 접속한 후 첫번째 장시간 시청을 시작하기 까지의 소요 시간 => 단순히 인기도 기반에 비해서 CTR이 2배 이상 높다

참조

https://www.inf.unibz.it/~ricci/ISR/papers/p293-davidson.pdf http://yhs968.blogspot.com/2019/07/1-youtube-video-recommendation.html