看YouTube视频网站 如何应用人工智慧进行影片推荐

2017-11-03 15:06 未知
  
看YouTube视频网站 如何应用人工智慧进行影片推荐
       YouTube 视频网站是全世界最大的影音平台之一,目前已经有数百万个影音内容在YouTube 上产生,目前每分钟也有超过500 小时的影片被上传到YouTube 上,因此对于YouTube 来说,如何在短时间内透过人工智慧技术分析被上传的每一个影音内容,并依照兴趣推荐给每个不同的人,提高观众的参与度和满意度是非常重要的课题。在进行影片推荐之前,YouTube 必须面临几个棘手的问题。

       首先是影音内容的标记(annotation),由于影片内容相当复杂,演算法必须先分析影片内容才可进行更进一步的推荐,因此在发展推荐模型之前,YouTube 必须先建立有效的影片内容标记技术。此外,面对影音及使用者互动资料不断的更新,演算也必须能因应使用者的行为拥有快速的反应能力,才能提高使用者的兴趣及停留于平台上的时间。

       而在训练的过程中,由于不论是影音内容或使用者行为都会产生相当多的杂讯,且并非所有的资讯都能被量化为推荐演算法可使用的参数,因此YouTube 的团队便要尝试将各种不同的显性、隐性回馈都能够被量化,并纳入训练资料中,例如影音下方的「我喜欢」(显性)、看完一段影片(隐性)等行为。因应不断且快速变化的资讯输入,YouTube 过去以回归(regression)模型为基础的推荐演算法也相形见绌,因此YouTube 在2015 年开始将机器学习(machine learning)技术导入YouTube 推荐机制,提供更快速精准的个人化推荐。

       目前YouTube视频网站 的推荐机制包含了2 个神经网路模型(nural network): 1. 候选生成模型(Candidate Generation Model) 由个人的浏览历史、搜寻历史、人口统计资料等资料,从数百万的影片资料库中挑选与使用者相关的子集合,供后续第二层演算法参考使用。2. 排名模型(Ranking Model) 在有了候选清单后,第二步骤即是从名单中预测使用者最有兴趣观赏的影片,并进行推荐排名。因此YouTube 参考了以下讯号进行权重的计算:
看YouTube视频网站 如何应用人工智慧进行影片推荐

人口统计资料

       最受欢迎的影音

       使用者的影片和使用的语言

       近期观看纪录

       使用者和影音频道的过往连结
看YouTube视频网站 如何应用人工智慧进行影片推荐
       而为了能够让YouTube 的演算法针对影片中的内容做更详细的识别,YouTube 研发团队也发表了原子视觉化动作数据学习模式(Automic Visual Actions, AVA)技术,透过电脑图形识别技术判断影片中人类姿势、人与物体、人与人的互动行为。AVA 的运作将每个影片撷取15 分钟的片段,再将影片均分为300 组3 秒的影片片段(合计共900 秒),再藉由已经预先定义好的80 组原子动作(automi action)进行比对,找出如走路、踢球、握手之类的动作特征并进行标注。

       更多的热点资讯内容请关注http://www.yowc.com 责任编辑:Fanny
::before