Open nogawanogawa opened 2 years ago
YouTubeは、10億人以上のユーザーがいる巨大な動画共有プラットフォームとなっている。 時には数時間に及ぶ動画が1秒間に何本もアップロードされており、アイテム数も膨大になる。
そのため、小規模な範囲ではうまくいく推薦アルゴリズムが、うまく機能しないという問題がある。 また、アイテムが絶え間なくアップロードされ、新たにアップロードされたコンテンツやユーザーの最新のアクションに基づいて推薦を機能させることは簡単ではない。
ユーザーの行動は観測不可能な外部要因で簡単に影響を受け、暗黙的フィードバックはノイズが多く、コンテンツに関係するメタデータは構造化が不十分という、特殊な学習データの中でロバストな推薦が求められている。
YouTubeのサービスを取り巻く環境に対してロバストに対応する推薦システムの構築
YouTubeで行っている推薦では大きく2段階に分かれており、
が連結されて推薦がなされています。
動画視聴履歴に関する埋め込みを取得した後、それらの平均して、動画視聴以外の埋め込みとconcatしたembeddingを取得する。 その後、ReLU層を経て、学習時はサンプリングされたsoftmaxの出力に対してcross-entropyが最小化するように学習を行う。 推論時には 近似最近傍探索が実行され、数百の動画の候補が生成される。
論文URL
https://dl.acm.org/doi/10.1145/2959100.2959190
著者
Paul Covington, Jay Adams, Emre Sargin
会議
RecSys ’16
背景
目的
アプローチ