電視貓啟動(dòng)“哆啦A夢(mèng)”計(jì)劃 優(yōu)化固有個(gè)性化推薦系統(tǒng)

隨著互聯(lián)網(wǎng)社會(huì)化網(wǎng)絡(luò)的快速發(fā)展，信息量過(guò)載一直問(wèn)題嚴(yán)峻，一方面用戶面很難找到真正感興趣的內(nèi)容，另一方面內(nèi)容提供商也很難把優(yōu)質(zhì)的內(nèi)容精準(zhǔn)推送。有效的推薦系統(tǒng)被認(rèn)為是解決這些問(wèn)題最有效的方法。

電視貓專注家庭大屏娛樂(lè)，以科技創(chuàng)新為基因的互聯(lián)網(wǎng)電視媒體平臺(tái)，深耕數(shù)據(jù)研究，經(jīng)過(guò)6年的沉淀累積，已自建大數(shù)據(jù)計(jì)算與存儲(chǔ)平臺(tái)，能支撐所有基于大數(shù)據(jù)平臺(tái)上的數(shù)據(jù)分析和推薦算法。目前電視貓的推薦系統(tǒng)是OTT端最全面的，推薦形態(tài)最多的系統(tǒng)，產(chǎn)品的各個(gè)模塊都有智能推薦的身影，目前包括首頁(yè)個(gè)性化推薦、興趣推薦、興趣播單、猜你喜歡、相似影片、電影的退出推薦、短視頻的退出和連播推薦等產(chǎn)品形態(tài)。

電視貓的大數(shù)據(jù)團(tuán)隊(duì)已構(gòu)建了一套從ETL到推薦模型構(gòu)建、模型訓(xùn)練、模型部署上線、模型離線評(píng)估、模型AB測(cè)試、模型在線指標(biāo)的評(píng)估體系來(lái)完善推薦系統(tǒng)的業(yè)務(wù)閉環(huán)。并不斷創(chuàng)新，將word2vec和深度學(xué)習(xí)引入電視貓推薦系統(tǒng)各個(gè)算法模塊，搭建了一套流式推薦引擎，可以基于用戶的實(shí)時(shí)興趣變化，為用戶實(shí)時(shí)調(diào)整推薦內(nèi)容。目前效果十分顯著，每天完成近1500萬(wàn)條精準(zhǔn)推薦。

然而，科技永遠(yuǎn)在不停的創(chuàng)新，技術(shù)也在不斷的迭代，電視貓為了給用戶提供更好的播放體驗(yàn)，減少找片時(shí)間，為用戶推薦更精準(zhǔn)的內(nèi)容，電視貓團(tuán)隊(duì)在具備了完善的推薦系統(tǒng)、技術(shù)體系和產(chǎn)品體系基礎(chǔ)上，更進(jìn)一步的提出了“哆啦A夢(mèng)”計(jì)劃。眾所周知“哆啦A夢(mèng)”有個(gè)無(wú)所不能的功能口袋，能解決一切遇到的難題。電視貓啟動(dòng)“哆啦A夢(mèng)”計(jì)劃，意在更好的為用戶解決選擇難題，提供更為優(yōu)質(zhì)的推薦內(nèi)容。

“哆啦A夢(mèng)”對(duì)原本的推薦算法做了抽象，實(shí)現(xiàn)模塊化，像積木拼接起來(lái)，每個(gè)數(shù)據(jù)交互的數(shù)據(jù)格式已經(jīng)定義好，從而大幅度提升開(kāi)發(fā)人員的工作效率；迅速優(yōu)化推薦算法，更好的排查算法錯(cuò)誤；與底層計(jì)算平臺(tái)解耦合大大降低，未來(lái)還能優(yōu)化成通用解決方案，開(kāi)放給第三方使用；節(jié)省計(jì)算資源，提升大數(shù)據(jù)集群的資源利用效率；同時(shí)降低了熟悉和學(xué)習(xí)的成本，對(duì)新員工了解熟悉算法平臺(tái)大有幫助。

電視貓始終堅(jiān)持技術(shù)創(chuàng)新為改變行業(yè)的第一生產(chǎn)力，通過(guò)自身強(qiáng)大的推薦系統(tǒng)，根據(jù)不同用戶的喜好為每位用戶提供“千人千面”的個(gè)性化內(nèi)容推薦服務(wù)?！岸呃睞夢(mèng)”計(jì)劃的啟動(dòng)，還在不斷地精進(jìn)，不僅滿足了用戶的需求，更帶領(lǐng)整個(gè)行業(yè)的推薦產(chǎn)品形態(tài)進(jìn)入了更優(yōu)的人工智能時(shí)代。