電視貓啟動“哆啦A夢”計劃 優(yōu)化固有個性化推薦系統

隨著互聯網社會化網絡的快速發(fā)展，信息量過載一直問題嚴峻，一方面用戶面很難找到真正感興趣的內容，另一方面內容提供商也很難把優(yōu)質的內容精準推送。有效的推薦系統被認為是解決這些問題最有效的方法。

電視貓專注家庭大屏娛樂，以科技創(chuàng)新為基因的互聯網電視媒體平臺，深耕數據研究，經過6年的沉淀累積，已自建大數據計算與存儲平臺，能支撐所有基于大數據平臺上的數據分析和推薦算法。目前電視貓的推薦系統是OTT端最全面的，推薦形態(tài)最多的系統，產品的各個模塊都有智能推薦的身影，目前包括首頁個性化推薦、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品形態(tài)。

電視貓的大數據團隊已構建了一套從ETL到推薦模型構建、模型訓練、模型部署上線、模型離線評估、模型AB測試、模型在線指標的評估體系來完善推薦系統的業(yè)務閉環(huán)。并不斷創(chuàng)新，將word2vec和深度學習引入電視貓推薦系統各個算法模塊，搭建了一套流式推薦引擎，可以基于用戶的實時興趣變化，為用戶實時調整推薦內容。目前效果十分顯著，每天完成近1500萬條精準推薦。

然而，科技永遠在不停的創(chuàng)新，技術也在不斷的迭代，電視貓為了給用戶提供更好的播放體驗，減少找片時間，為用戶推薦更精準的內容，電視貓團隊在具備了完善的推薦系統、技術體系和產品體系基礎上，更進一步的提出了“哆啦A夢”計劃。眾所周知“哆啦A夢”有個無所不能的功能口袋，能解決一切遇到的難題。電視貓啟動“哆啦A夢”計劃，意在更好的為用戶解決選擇難題，提供更為優(yōu)質的推薦內容。

“哆啦A夢”對原本的推薦算法做了抽象，實現模塊化，像積木拼接起來，每個數據交互的數據格式已經定義好，從而大幅度提升開發(fā)人員的工作效率；迅速優(yōu)化推薦算法，更好的排查算法錯誤；與底層計算平臺解耦合大大降低，未來還能優(yōu)化成通用解決方案，開放給第三方使用；節(jié)省計算資源，提升大數據集群的資源利用效率；同時降低了熟悉和學習的成本，對新員工了解熟悉算法平臺大有幫助。

電視貓始終堅持技術創(chuàng)新為改變行業(yè)的第一生產力，通過自身強大的推薦系統，根據不同用戶的喜好為每位用戶提供“千人千面”的個性化內容推薦服務?！岸呃睞夢”計劃的啟動，還在不斷地精進，不僅滿足了用戶的需求，更帶領整個行業(yè)的推薦產品形態(tài)進入了更優(yōu)的人工智能時代。