推荐系统在视频网站中的应用

济南网站建设公司

文 / 郑华

随着互联网特企业网站建设别是社会化网络的快速发展，我们正处于信息过载的时代。用户面对过量的信息很难找到自己真正感兴趣的内容，而内容提供商也很难把优质的内容准确推送给感兴趣的用户。推荐系统被认为是解决这些问题的有效方法，它对用户的历史行为进行挖掘，对用户兴趣进行建模，并对用户未来的行为进行预测，从而建立了用户和内容的关系。

视频网站同样也面临着信息过载的问题，比如YouTube目前有数十亿视频条目，而且每分钟都有近1500分钟时长的视频被上传，而专业视频网站 Hulu也有近20万的高质量视频，用户也很难从中找到自己真正感兴趣的内容；同时提高用户的观看和停留时间也非常重要，所以推荐系统对于视频网站来说是有必要的。

视频网站中的推荐系统

目前视频网站主要分为两种，一种是以用户产生内容为主的网站（UGC网站），比如国外的 YouTube和国内的优酷、土豆等；另一种是专业视频内容为主的网站，比如国外的Hulu、Netflix和国内的奇艺、新浪大片、搜狐视频等。为了获得广告商和资本市场的青睐，国内UGC视频网站比如优酷和土豆也纷纷转型为两者兼备的模式。这两种视频网站的内容和用户行为都是不一样的，从而会导致相应的推荐系统的设计也会有一定差别。表1简单比较了两种网站的一些差别。

表1 UGC和专业视频网站对比

相比较而言，UGC网站的视频数量多，内容比较丰富，但是质量良莠不齐，以短视频居多，而且没很好的内容数据。一般的推荐是基于单个视频的，而且会对视频质量做一定过滤（比如去重和限制最少观看次等）；UGC内容生命周期比较短，所以推荐系统的设计比较强调时效性，把最新的视频推荐给用户，保持推荐的新鲜性；同时UGC网站的内容比较多样化并且用户一般没有很强的目的性，所以推荐要尽量多样化并且和用户最近的行为相关。

对于专业视频网站，内容一般有很好的结构化内容数据，基本上都是按照上海普陀区网站建设公司电视剧或者电影来统一组织视频，所以推荐一般都是基于剧集而不是单个视频；剧集按照现在是否在播又分为首播剧（On-air show）和重播剧（Library show），相比较而言首播剧一般比较热门，用户获知的渠道很多并对其有明确的追看（Catch-up）需求，而过往剧集更适合推荐；视频的长度一般比较长而且剧集中有很多视频，用户的接受成本相对比较高，推荐的时机也是专业视频网站需要考虑的问题，比如周末或者节假日用户比较空闲而且一般没有首播剧，适合推荐一些较长的连续剧等。

当然除了这些不同点外，一般认为视频网站的推荐系统设计还应遵循一些基本的原则，比如系统能给出合理的推荐赢得用户的信任；系统能对用户的行为作出即时的反应；推荐的逻辑对用户透明；在适当时机鼓励用户积极参与和反馈；推荐的结果要提供足够的信息等。

从推荐产品形态上来看，目前在视频网站中使用的推荐有以下几类：相关推荐、个性化推荐以及个性化电视频道（Leanback）等。

相关推荐就是把用户正在观看或者浏览的视频的相关视频推荐给用户，也就是喜欢这个视频的用户还喜欢，比如图1是Netflix对经典《两杆大烟枪》的相关推荐界面，推荐出来一些盖•里奇和其他导演的黑色幽默作品。结果展示出视频的重要信息（标题、缩略图、平均打分、类型、年代、时长、简介、导演、演员等），并且提供打分或者不感兴趣的选项来收集用户反馈。

图1 Netflix相关视频推荐

个性化推荐是根据用户所有的历史行为推断出用户的兴趣，并以此推荐用户最可能感兴趣的视频列表。与相关推荐相比，个性化推荐综合使用了用户的所有历史行为，包括打分、观看、订阅、搜索、标注标签、分享和评论等，而不仅仅是当前的单个浏览或观看行为，所以更准确反映出用户的兴趣。从历史行为中反映的用户兴趣也可能会多样化，所以一般个性化推荐展示结果会按照相对独立的兴趣点（比如类型等）进行聚合。图2是Hulu的个性化推荐的展示形式：我们按照推荐视频的类型对结果进行聚合，用户也可以切换自己感兴趣的类型；结果有很详细的视频内容信息以及最有用的用户评论信息；推荐结果有解释；用户可以直接对推荐结果进行已经看过或者感兴趣与否的反馈，如果感兴趣还可以进一步收藏推荐结果或者直接进入观看页面等。

图2 Hulu的个性化推荐

在线视频的一个重要战场就是用户的客厅电视，这是最有可能采取收费模式的。目前包括Netflix、Hulu Plus等服务都提供720P的高清视频可以通过游戏平台、机顶设备、蓝光播放器或者高清电视直接播放在大尺寸的客厅电视上。Google也在去年推出了 Google TV，试图进入这一领域。为了保持和现有电视相似的操作，Leanback就应运而生了。图3就是YouTube推出Leanback服务的界面。用户可以创建自己的频道，或者推荐系统根据用户的历史行为自动创建符合用户兴趣的视频节目频道。用户可以不间断地观看频道里面的视频，播放的过程中系统不断收集用户对视频的反馈（喜欢、不喜欢、跳过、看完等）实时调整推荐列表，让用户看到越来越满意的结果。

图3 YouTube的个性化电视频道

业界一般认为用户界面设计在整个推荐系统中起决定性的作用。传统的推荐结果展示都是基于文本和图片形式的，信息量大但不够形象生动。Hulu在推荐的UI上做了一个大胆的尝试，首次使用视频和声音的形式展示推荐的结果，效果类似于有个性化消息的电视预告片，如图4所示。在实际使用中取得了较好的效果，平均意义上用户对同一个节目感兴趣的概率是传统方式的三倍。

图4 Hulu的视频展示形式的推荐