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