樂(lè)視致新UEC—視頻推薦現(xiàn)狀簡(jiǎn)述及對(duì)樂(lè)視的相關(guān)建議

目前幾乎所有的重要在線視頻網(wǎng)站均有視頻推薦功能，本小節(jié)對(duì)主要視頻網(wǎng)站推薦模塊進(jìn)行簡(jiǎn)要介紹。

1） YouTube

YouTube是在線視頻行業(yè)的領(lǐng)袖企業(yè)，在其網(wǎng)站上線不久就推出簡(jiǎn)單的視頻推薦功能，經(jīng)過(guò)不斷發(fā)展，已經(jīng)發(fā)展為相對(duì)成熟的視頻推薦系統(tǒng)。

根據(jù)YouTube發(fā)布的論文[2]顯示，到2010年，YouTube主要使用基于關(guān)聯(lián)規(guī)則（association rules）的推薦方式進(jìn)行Top-N的視頻推薦。通過(guò)21天的實(shí)驗(yàn)結(jié)果顯示，[2]中的系統(tǒng)比之前按照點(diǎn)擊率進(jìn)行的推薦，效果好上1倍。

2） Netflix

Netflix從其舉辦的Netflix Prize[3][4]中獲利頗豐，這項(xiàng)比賽使得其推薦準(zhǔn)確率提高了10%以上，為其帶來(lái)巨大收益。

在Netflix Prize比賽開始之初，協(xié)同過(guò)濾（collaborative filtering，CF）表現(xiàn)優(yōu)異，但是隨著比賽的進(jìn)行，對(duì)CF的各種改進(jìn)版本及其他算法不斷應(yīng)用進(jìn)來(lái)，推薦效果逐漸提升。

3） Youku

目前查詢不到有關(guān)Youku視頻推薦系統(tǒng)的資料與文獻(xiàn)，但是可以通過(guò)Youku推薦質(zhì)量對(duì)其進(jìn)行分析。

用戶賬號(hào)為筆者去年注冊(cè)的賬號(hào)，已觀看視頻與推薦視頻如圖1、圖2所示。

圖1：Youku觀看記錄

圖2：Youku推薦效果

對(duì)于推薦結(jié)果中，大部分推薦結(jié)果和我收看記錄中的視頻具有較高相似度（收看記錄只列出最近收看記錄），這種推薦效果可以通過(guò)Content-based方法實(shí)現(xiàn)。 但是與已看記錄有一定重合度，視頻推薦泛化性能相對(duì)較差。

樂(lè)視網(wǎng)目前已經(jīng)具有視頻推薦功能，但該功能只在用戶個(gè)人中心中可見，首頁(yè)位置沒有相關(guān)推薦板塊，對(duì)推薦功能重視程度不足。

下圖是基于賬號(hào)lycan785（已經(jīng)綁定新浪微博hzau_unlearning）的收看記錄與“猜你喜歡”的結(jié)果。

圖3：賬號(hào)lycan785的播放記錄

圖4：對(duì)lycan785賬號(hào)的推薦視頻

該賬號(hào)于2013年10月20日晚注冊(cè)，推薦視頻列表是10月21日上午的結(jié)果。其中播放記錄主要選擇“美劇”、“體育”兩個(gè)頻道，并加上了一些噪音數(shù)據(jù)（最先觀看的兩個(gè)視頻），而推薦結(jié)果基本是當(dāng)前熱門視頻，既和觀看記錄無(wú)關(guān)，又和該賬戶綁定的微博賬戶興趣無(wú)關(guān)，無(wú)法抓住用戶興趣，可見推薦系統(tǒng)有待提高。

基于以上分析，特為樂(lè)視網(wǎng)提出以下建議：

1）重視數(shù)據(jù)采集推薦系統(tǒng)對(duì)數(shù)據(jù)的依賴性較大，一般來(lái)說(shuō)，越完整的數(shù)據(jù)可以產(chǎn)生更加有效的推薦，因此建議樂(lè)視網(wǎng)加大對(duì)數(shù)據(jù)的整合力度。需要重視的數(shù)據(jù)主要有：賬戶活躍時(shí)間，賬戶觀看記錄，不同時(shí)長(zhǎng)影片觀看時(shí)間比（觀看時(shí)間占整個(gè)影片時(shí)間的比例），付費(fèi)記錄，賬戶點(diǎn)評(píng)記錄，賬戶個(gè)人信息、視頻元數(shù)據(jù)等。

2）賬戶興趣挖掘了解賬戶興趣是進(jìn)行推薦的基礎(chǔ)，賬戶興趣可以利用協(xié)同過(guò)濾（CF）等方法從觀看記錄中獲取，同時(shí)可以利用用戶綁定分享賬戶獲得用戶興趣。通過(guò)用戶觀看記錄，可以在?？匆曨l頻道、類型、劇集方面挖掘用戶興趣，這部分工作相對(duì)簡(jiǎn)單，已經(jīng)有CF、關(guān)聯(lián)規(guī)則等成熟技術(shù)。對(duì)于新注冊(cè)用戶的冷啟動(dòng)現(xiàn)象，可以利用其綁定的微博、豆瓣（目前無(wú)此功能）來(lái)收集用戶興趣，例如微博文本話題挖掘，豆瓣關(guān)于電影的討論等。

3） 基于情景的推薦任何推薦都需要放在具體的情景之下，不同視頻具有不同特點(diǎn)，更需要基于情境的推薦。對(duì)于音樂(lè)、電視劇推薦，可以依照目前的播放器下方、側(cè)欄推薦方式進(jìn)行，即推薦目前觀看劇集的下一集或者同一歌手的歌曲。對(duì)于電影推薦適合采用“協(xié)同過(guò)濾”、“用戶個(gè)性化”、“當(dāng)前電影相關(guān)”的推薦方式進(jìn)行個(gè)性化推薦，對(duì)于新聞、體育的推薦適合采用類似新聞或者相關(guān)新聞的推薦?？傊?，對(duì)于不同頻道、類型的推薦需要采用不同的推薦策略。