Dolphin.海豚会|基于推荐算法提升直播业务的效能实践

Posted 2021-04-29 Dolphin

今天我们讨论的是基于推荐算法提升直播业务的效能实践。此次我们邀请到了来自YY推荐算法负责人，原百度凤巢model组高级技术经理王清博士给我们带来满满的干货分享，本次交流会汇聚了来自百度、b站、网易、喜马拉雅、

触宝等知名互联网公司的推荐算法方向的资深同学。

随着中国城乡恩格尔系数的持续走低，中国迎来消费升级，在线娱乐的用户时长占比、增速都非常高。“直播+”的巨大赋能也成为新文娱的发展趋势，文娱成为了资本的关注焦点。

在娱乐需求以及用户的个性化需求增多和用户习惯的改变的情景下，欢聚时代（YY）作为中国最早的直播平台是在拥有先发优势的状况下，是如何应对娱乐形势的转换以及如何应用当下最热的ai来满足用户的个性化需求

让我们一起来走进YY以及手Y的推荐系统！

一．关于YY

YY是一家娱乐公司，有着丰富的内容，目的是在全民娱乐生态，可以满足丰富多样的人群和不同的诉求。

 

1.1 YY的发展历程：从pc端到移动端

 

1.2直播业务形态，包括游戏、音乐、交友、运动、舞蹈、萌宠、脱口秀等。

旗下的虎牙已经上市。

 

1.3 YY的用户画像

1.4 面对丰富的用户需求，而内容是用户的核心诉求。

 

1.5 YY个性推荐在直播中应用场景以及挑战

在面对多样的场景和丰富的个性化需求上，yy利用ai来做到更高质量的内容和更高质量的推荐以及用户体验。

• 视频压缩，直播的是一个动态的过程，利用人工智能和ai对视频进行压缩；

• 超分，贷款有限的情况下对带宽进行超分；

• 美颜的需求；

• 内容理解；

• 内容推荐；

 

二、手Y直播推荐系统（纯干货！！）

2.1 手Y直播推荐系统模型

全部基于实时操作，第一步进行内容控制，召回层对内容进行初筛，利用复杂模型（多模型）来做整体排序和优化，达到更高效，更智能的推荐效果。

召回层面：根据用户的历史行为，把做相应的内容和产品的匹配。从多个维度进行召回；

其中非常值得提到的是相似性扩展和向量召回：利用机器学习和深度学习模型进行特镇计算和召回。

相似性扩展（对相似主播和用户进行扩展）：

l  基于经典协同过滤item-based、user-based方法

l  基于矩阵分解方法

l  基于用户有效观看序列的word2vec方法

l  基于向量触发模型得到用户向量、主播向量

向量召回：基于DNN对用户&主播进行表征学习，构建模型触发

l  线上基于用户&主播向量score直接进行扩召回

l  支持用户和主播相似度计算

l  对其他通道召回结果进行粗筛

 

小伙伴基于模型扩展性的，模型的特征提取、量级和参数展开了热烈的讨论。

2.2 手Y的模型详解

模型层面：YY的模型历程，从初期特征小模型到连续特征大模型到离散特征模型。从小级别到亿级别，达到可以实时更新以及泛化能力强的模型。

2.3 YY的排序机制：Pointwise排序到整体页面优化

需要考虑内容、用户之间的交互性，从规则重排进化到整体优化模型，利用启发性规则等深度学习方式来做整体优选模型，来达到模型的自动化的更新和个性化选择。挖掘用户、主播之间的关系，通过高维特征计算和海量召回，大规模排序模型，进行个性化推荐，提升排序效果，给用户极致体验。

2.4 创意优化-主播封面优化

利用面部识别技术来识别和检测图片形成动态截图和封面优选，来提高的整体的推荐效率和用户体验。

茶歇时间：大家讨论了推荐算法的应用场景，以及行业内的feed流广告的特点以及广告的发展、变现方式等，以及离散型模型的优缺点进行了详细的讨论。包括详细的技术细节，例如关于权限的提取，指标的分类等等。

 

经过一系列的讨论，我们可以看出个性化推荐系统是一个系统工程，依赖产品、数据、架构、算法、人机交互等进行场景推荐，每一个环节缺一不可，YY在移动端持续发力，从在个性化推荐系统以及相应的机器学习和深度学习等算法策略的成功实践，其在提升直播的效率和dau上非常显著，也处于行业领先水平，同样推荐也可以迁移到其他的领域，个性化推荐能帮助我们的娱乐和消费更简单，更美好。

 

最重要的事情来啦！！YY上海ai团队招人啦！！

算法和工程的你都可以看过来，有业内top的技术大牛、优秀的技术团队，还有超级nice的mentor帮助你的成长，一起开心的做一些有意思、有价值的事情！

职位：推荐算法策略&工程、计算机视觉、语音识别、NLP等

业务方向：视频/语音直播、短视频、社交游戏等

对职位有兴趣的朋友请关注dolphin二维码，行动ing！

海量职位等你来

请关注Dolphin二维码↓↓↓

获取海豚汇信息或各类高端职位