The YouTube Video Recommendation System_1

chaerin314 commented 2 years ago

유튜브 추천 시스템 디자인

Goals : 정기적인 update, top-N 추천, explicit control 제공
Challenges: 영상에 대한 metadata가 적을 경우, 영상의 길이도 짧고 비교적 쉽게 시청 가능, 바이럴 등
Recent, fresh, diverse, relevant to the user's recent actions. / understood and debugging in isolation.
Input :
1. content data
2. user activity data
Related videos 계산 방법 : r(v_i,v_j) = c_ij / f(v_i,v_j) i.e., Relatedness score = co-visitation count / normalizing function(global popularity)
Seed set "S" := Union of {favorited, liked, rated, added to playlists}
추천영상 후보군 정하는 방법 :
- Seed set S와 related된 video set : C_1(S) = (Union of v_i in S) R_i => narrow recommendation
- S의 모든 v로부터 거리 n인 video set : C_n(S) = (Union of vi in C{n-1}) R_i
- C_final = (Union of C_i) \ S
Ranking 하는 방법 : 다음 3가지의 선형결합
1. video quality
2. user specificity
3. diversification
Evaluation : Unpersonalized recommendation system보다 207% click rate가 향상됨

Si-jeong commented 2 years ago

잘 읽었습니다! ☺️

minha62 commented 2 years ago

흥미로운 주제네요! 잘 읽었습니다:)

SEOJIN-Lab commented 2 years ago

전에 일했던 회사에서 유튜브 SEO 리서치를 했었는데, 시스템 디자인을 읽어보니 유튜브 추천 시스템이 더 와닿는 거 같네요! 좋은 정보 감사합니다:>

binable43 commented 2 years ago

평소에 유튜브 추천 시스템에 잘 생각해보지 않았는데 덕분에 잘 읽고 갑니다 :)

m0oon0 commented 2 years ago

비디오 후보군 랭킹을 그렇게 하는군요!! 잘 읽었습니다😃

gdscewha-3rd / Study-PaperReview