月活用户超20亿的YouTube推荐系统是如何搭建的？
Posted 浅梦的学习笔记
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了月活用户超20亿的YouTube推荐系统是如何搭建的？相关的知识，希望对你有一定的参考价值。
推荐系统从来没像现在这样，影响着我们的生活。当你上网购物时，天猫、京东会为你推荐商品；想了解资讯，头条、知乎会为你准备感兴趣的新闻和知识；想消遣放松，抖音、快手会为你奉上让你欲罢不能的短视频。
而驱动这些巨头进行推荐服务的，就是基于深度学习的推荐模型。
2019 年，阿里的千人千面系统，促成了天猫”双 11“ 2684 亿的成交额。假设通过改进天猫的商品推荐功能，使平台整体的转化率提升 1%，就能在 2684 亿元成交额的基础上，再增加 26.84 亿元。这就是推荐工程师支撑起百万年薪的主要原因。
但是，要在一个成熟的推荐系统上，找到提升的突破点或短板并不容易。不能仅仅满足于协同过滤、矩阵分解这类传统方法，而要建立起完整的深度学习推荐系统知识体系，加深对深度学习模型的理解和大数据平台的熟悉程度，才能实现整体效果上的优化。
今年上半年，因为疫情抽空看了本书叫《深度学习推荐系统》，对我启发很大，豆瓣评分也挺高的，9.3。作者是王喆，他是 Roku 资深机器学习工程师，推荐系统架构负责人，从业这些年，他一直深耕于推荐系统、计算广告领域，经验非常丰富。
最近，得知他和极客时间合作，开设了新的专栏《深度学习推荐系统实战》，我第一时间就订阅了，跟了学了几节，很想把这个专栏推荐给你。
在专栏中，他讲解了深度学习推荐系统的经典架构设计，带你掌握 Embedding 技术的主要实现方法，构建完整的推荐系统评估体系路径，搭建出一个工业级的深度学习推荐系统。
以上是关于月活用户超20亿的YouTube推荐系统是如何搭建的？的主要内容，如果未能解决你的问题，请参考以下文章 下载量超 20 亿的 8 款 Android 应用涉广告欺诈，谁在“猎杀”猎豹移动？