今天我們討論的是基于推薦算法提高直播服務(wù)效率的實(shí)踐。這次，我們邀請(qǐng)了YY推薦算法的負(fù)責(zé)人。百度豐超模特集團(tuán)原高級(jí)技術(shù)經(jīng)理伊馮娜王博士，給我們帶來了滿滿的干貨分享。這次交流會(huì)匯集了百度、bilibili、網(wǎng)易、喜馬拉雅、

TouchPal等知名互聯(lián)網(wǎng)公司推薦算法方向的大四學(xué)生。

隨著我國城鄉(xiāng)恩格爾系數(shù)的不斷下降，我國迎來消費(fèi)升級(jí)，網(wǎng)絡(luò)娛樂用戶的比例和增長率都非常高?！爸辈?”的巨大賦權(quán)也成為新娛樂的發(fā)展趨勢(shì)，娛樂成為資本的焦點(diǎn)。

在娛樂需求增加、用戶個(gè)性化需求增加、用戶習(xí)慣改變的情況下，作為中國最早的直播平臺(tái)開心時(shí)代(YY)如何應(yīng)對(duì)娛樂形勢(shì)的轉(zhuǎn)變，如何應(yīng)用最熱門的ai來滿足用戶的個(gè)性化需求。

讓我們一起走進(jìn)YY和Y手的推薦系統(tǒng)！

一、關(guān)于YY

YY是一家內(nèi)容豐富的娛樂公司，旨在滿足國民娛樂生態(tài)中多樣化的人群和不同的需求。

1.1 YY的發(fā)展歷史:從個(gè)人電腦到移動(dòng)設(shè)備

1.2直播業(yè)務(wù)形式，包括游戲、音樂、交友、體育、舞蹈、可愛寵物、脫口秀等。

它的虎牙已經(jīng)上市了。

1.3 YY用戶畫像

1.4面對(duì)豐富的用戶需求，內(nèi)容是用戶的核心需求。

1.5 YY個(gè)性推薦在直播中的應(yīng)用場(chǎng)景及挑戰(zhàn)

面對(duì)多樣化的場(chǎng)景和豐富的個(gè)性化需求，yy使用人工智能來實(shí)現(xiàn)更高質(zhì)量的內(nèi)容、更高質(zhì)量的推薦和用戶體驗(yàn)。

視頻壓縮，直播的是一個(gè)動(dòng)態(tài)的過程，利用人工智能和ai對(duì)視頻進(jìn)行壓縮；超分，貸款有限的情況下對(duì)帶寬進(jìn)行超分；美顏的需求；內(nèi)容理解；內(nèi)容推薦；

二、手y直播推薦系統(tǒng)(純干貨?。?

2.1 手y直播推薦系統(tǒng)模型

都是基于實(shí)時(shí)操作的。第一步是內(nèi)容控制。召回層對(duì)內(nèi)容進(jìn)行篩選，使用復(fù)雜模型(多個(gè)模型)對(duì)整體進(jìn)行排序和優(yōu)化，從而達(dá)到更高效、更智能的推薦結(jié)果。

召回級(jí)別:根據(jù)用戶的歷史行為，將相應(yīng)的內(nèi)容與產(chǎn)品進(jìn)行匹配。從多個(gè)維度回憶；

其中，相似度擴(kuò)展和向量召回值得一提:使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型的特殊城鎮(zhèn)計(jì)算和召回。

相似性擴(kuò)展(擴(kuò)展相似的錨點(diǎn)和用戶):

基于經(jīng)典協(xié)同過濾的基于項(xiàng)目和基于用戶的方法

基于矩陣分解方法的l

基于用戶有效觀看順序的L word2vec方法

基于向量觸發(fā)模型獲取用戶向量和錨向量

向量回憶:基于DNN，用戶&主播執(zhí)行特征學(xué)習(xí)并建立模型觸發(fā)器

l基于用戶在線&錨向量評(píng)分直接展開并召回

l支持用戶和錨點(diǎn)之間的相似度計(jì)算

我粗略篩選了一下其他渠道的召回結(jié)果

基于模型的可擴(kuò)展性，小伙伴們對(duì)模型的特征提取、規(guī)模和參數(shù)進(jìn)行了熱烈的討論。

2.2手型y的詳細(xì)說明

模型層次:YY的模型歷史，從最初的小特征模型到連續(xù)的大特征模型再到離散的特征模型。從小水平到十億水平，模型可以實(shí)時(shí)更新，泛化能力強(qiáng)。

2.3 YY排序機(jī)制:逐點(diǎn)排序到整體頁面優(yōu)化

需要考慮內(nèi)容和用戶之間的交互，從規(guī)則重排進(jìn)化到整體優(yōu)化模型，利用啟發(fā)式規(guī)則等深度學(xué)習(xí)方法來制作整體優(yōu)化模型，從而實(shí)現(xiàn)模型的自動(dòng)更新和個(gè)性化選擇。挖掘用戶與主播的關(guān)系，通過高維特征計(jì)算、海量召回、大規(guī)模排序模型、個(gè)性化推薦，提高排序效果，給用戶帶來終極體驗(yàn)。

2.4創(chuàng)意優(yōu)化——錨蓋優(yōu)化

人臉識(shí)別技術(shù)用于識(shí)別和檢測(cè)圖片的動(dòng)態(tài)截圖和封面選擇，提高整體推薦效率和用戶體驗(yàn)。

茶歇時(shí)間:我們討論了推薦算法的應(yīng)用場(chǎng)景，行業(yè)內(nèi)提要流廣告的特點(diǎn)，廣告的開發(fā)和實(shí)現(xiàn)方法，以及離散模型的優(yōu)缺點(diǎn)。包括詳細(xì)的技術(shù)細(xì)節(jié)，比如權(quán)限的提取、指標(biāo)的分類等等。

經(jīng)過一系列的討論，我們可以看到，個(gè)性化推薦系統(tǒng)是一個(gè)系統(tǒng)工程，依賴于產(chǎn)品、數(shù)據(jù)、架構(gòu)、算法、人機(jī)交互等。推薦場(chǎng)景，每個(gè)環(huán)節(jié)都不可或缺。YY繼續(xù)在機(jī)動(dòng)方面發(fā)揮力量。從個(gè)性化推薦系統(tǒng)和相應(yīng)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法策略的成功實(shí)踐來看，對(duì)于提高直播和dau的效率非常有意義，在行業(yè)內(nèi)也處于領(lǐng)先水平。同樣，推薦也可以遷移到其他領(lǐng)域，個(gè)性化。

最重要的來了??！YY上海ai團(tuán)隊(duì)正在招聘！！

算法和工程都可以看。有業(yè)內(nèi)頂尖的技術(shù)牛人，優(yōu)秀的技術(shù)團(tuán)隊(duì)，還有Super nice的導(dǎo)師，幫你一起成長，一起做一些有意思有價(jià)值的事情！

職位:推薦算法策略&工程、計(jì)算機(jī)視覺、語音識(shí)別、NLP等

業(yè)務(wù)方向:視頻/語音直播、短視頻、社交游戲等。

大量的職位在等著你