在Netflix,视频推荐是用户最常用的一个功能:75%的观看是由推荐引起的。这一极高的比例,意味着视频推荐对促使用户观看更多的视频起了决定性的作用。
问:什么是视频推荐,在实际系统中它有用吗?
答:视频推荐的基本原理是:根据用户对视频的评价或观看行为,发现用户的喜好,并相应地向用户推荐他/她可能喜欢的视频。
目前,视频系统感知用户喜好的方法有两种:
1)显式的方法,即:请用户给他/她看过的视频打分,或者填写调查问卷、清晰地描述出自己的喜好;
2)隐式的方法,即:根据用户观看视频的行为(点击、观看时间等),间接推断用户的喜好。比如,如果演播质量良好,但用户看一个视频的时间非常短,那就认为用户不太喜欢这个视频;相反,如果用户能够坚持把一个视频看完,就认为这个用户比较喜欢这个视频。
这两种方法各有优缺点。显式方法的优点是:简单、直接,缺点是:需要用户付出额外的时间和精力去打分或者填写调查问卷,很多用户不愿意这么做。据Netflix报道,在该系统所有用户的观看中,只有约1/8的观看被用户显式地评了分。所以,隐式方法依然是实际系统中可以被利用来感知用户喜好的方法。
目前,推荐系统非常流行,几乎所有的视频网站都提供了视频推荐的功能。那么,它的效果到底如何?在视频领域,Netflix是一个先行者。我们来看看它的数据:据Netflix的人士介绍,视频推荐是该系统中用户最常用的一个功能:75%的用户观看来自于推荐。这是一个相当高的比例,意味着推荐对促使用户观看更多的视频起了决定性的作用。
参考文献:
1) Xavier Amatriain,Netflix Recommendations: Big Data, Smart Models, Scalable Architectures,2012
2)Xavier Amatriain,Netflix Recommendations: Beyond the 5 stars, 2012
根据《网络安全法》实名制要求,请绑定手机号后发表评论