樂視致新UEC—視頻推薦現(xiàn)狀簡述及對樂視的相關(guān)建議

jhzzxb · 發(fā)表于 2014-4-12 22:36

一，視頻推薦簡介

根據(jù)艾瑞咨詢數(shù)據(jù)[1]，2013第二季度中國在線視頻行業(yè)市場規(guī)模達28.5億元，同比增長43.0%，環(huán)比增長30.6%。隨著網(wǎng)絡帶寬的增大、智能電視及智能終端的普及，在線視頻行業(yè)增速將繼續(xù)保持。

在視頻網(wǎng)站發(fā)展伊始，視頻推薦就應運而生。視頻推薦根據(jù)當前熱門視頻及用戶的個性化數(shù)據(jù)，為用戶提供個性化的視頻推薦，從而增加用戶黏度，提高網(wǎng)站流量，是各大視頻網(wǎng)站極為重視的功能之一。

2006年的Netflix大賽是視頻推薦領(lǐng)域的標志性事件，該比賽懸賞100萬美元，希望研究人員能夠?qū)?/font>Netflix的推薦算法的預測準確度提高到10%，比賽舉辦三年后，由AT&T的研究人員將大獎捧走。這場比賽吸引了眾多隊伍參加，并將協(xié)同過濾（collaborative filtering），關(guān)聯(lián)規(guī)則（association rules），奇異值分解（SVD）等眾多推薦方法應用于視頻推薦領(lǐng)域，獲得非常好的推薦效果。這一事件反映出視頻網(wǎng)站對推薦系統(tǒng)的重視程度，同時YouTube等公司也在視頻推薦領(lǐng)域進行專門研究[2][5]，可見推薦系統(tǒng)在視頻網(wǎng)站中的重要地位。

1.1重要視頻網(wǎng)站推薦系統(tǒng)簡介

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)對主要視頻網(wǎng)站推薦模塊進行簡要介紹。

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單的視頻推薦功能，經(jīng)過不斷發(fā)展，已經(jīng)發(fā)展為相對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）的推薦方式進行Top-N的視頻推薦。通過21天的實驗結(jié)果顯示，[2]中的系統(tǒng)比之前按照點擊率進行的推薦，效果好上1倍。

2） Netflix

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

在Netflix Prize比賽開始之初，協(xié)同過濾（collaborative filtering，CF）表現(xiàn)優(yōu)異，但是隨著比賽的進行，對CF的各種改進版本及其他算法不斷應用進來，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，但是可以通過Youku推薦質(zhì)量對其進行分析。

用戶賬號為筆者去年注冊的賬號，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Content-based方法實現(xiàn)。但是與已看記錄有一定重合度，視頻推薦泛化性能相對較差。

二，對樂視網(wǎng)視頻推薦的建議
2.1樂視網(wǎng)目前推薦現(xiàn)狀

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

下圖是基于賬號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lycan785的播放記錄

圖4：對lycan785賬號的推薦視頻

該賬號于2013年10月20日晚注冊，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”兩個頻道，并加上了一些噪音數(shù)據(jù)（最先觀看的兩個視頻），而推薦結(jié)果基本是當前熱門視頻，既和觀看記錄無關(guān)，又和該賬戶綁定的微博賬戶興趣無關(guān)，無法抓住用戶興趣，可見推薦系統(tǒng)有待提高。

2.2對樂視網(wǎng)的建議

基于以上分析，特為樂視網(wǎng)提出以下建議：

1）重視數(shù)據(jù)采集推薦系統(tǒng)對數(shù)據(jù)的依賴性較大，一般來說，越完整的數(shù)據(jù)可以產(chǎn)生更加有效的推薦，因此建議樂視網(wǎng)加大對數(shù)據(jù)的整合力度。需要重視的數(shù)據(jù)主要有：賬戶活躍時間，賬戶觀看記錄，不同時長影片觀看時間比（觀看時間占整個影片時間的比例），付費記錄，賬戶點評記錄，賬戶個人信息、視頻元數(shù)據(jù)等。

2）賬戶興趣挖掘了解賬戶興趣是進行推薦的基礎(chǔ)，賬戶興趣可以利用協(xié)同過濾（CF）等方法從觀看記錄中獲取，同時可以利用用戶綁定分享賬戶獲得用戶興趣。通過用戶觀看記錄，可以在?？匆曨l頻道、類型、劇集方面挖掘用戶興趣，這部分工作相對簡單，已經(jīng)有CF、關(guān)聯(lián)規(guī)則等成熟技術(shù)。對于新注冊用戶的冷啟動現(xiàn)象，可以利用其綁定的微博、豆瓣（目前無此功能）來收集用戶興趣，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，更需要基于情境的推薦。對于音樂、電視劇推薦，可以依照目前的播放器下方、側(cè)欄推薦方式進行，即推薦目前觀看劇集的下一集或者同一歌手的歌曲。對于電影推薦適合采用“協(xié)同過濾”、“用戶個性化”、“當前電影相關(guān)”的推薦方式進行個性化推薦，對于新聞、體育的推薦適合采用類似新聞或者相關(guān)新聞的推薦?？傊?，對于不同頻道、類型的推薦需要采用不同的推薦策略。

› 智能電視 / 安卓TV區(qū) › 樂視超級電視

樂視致新UEC—視頻推薦現(xiàn)狀簡述及對樂視的相關(guān)建議 ...

樂視致新UEC—視頻推薦現(xiàn)狀簡述及對樂視的相關(guān)建議