揭YouTube推荐系统神秘面纱 800亿笔用户信号露玄机

古德罗（Cristos Goodrow）今天在Google台湾官方部落格发布最新文章「浅谈YouTube推荐系统」，拆解推荐系统背后的运作原理，以及YouTube如何从数10亿部影片中，根据使用者兴趣提供个人化的影片推荐，并协助创作者触及新观众。

古德罗说，YouTube大量的观看次数来自推荐系统，它的成效甚至超越频道订阅和搜寻功能。他参与YouTube推荐系统的建构工作已有10多年，这套系统如今已成为YouTube所有使用者体验中不可或缺的一部分，但推荐系统的运作原理往往被视为神秘的黑箱作业。

YouTube推荐系统主要在2个位置运作，包括使用者的首页和「即将播放」面板。首页是用户开启YouTube时第一个看到的画面，会显示个人化推荐内容、订阅项目、最新动态和资讯等。系统会根据目前观看的影片，及认为用户可能感兴趣的内容，推荐建议内容在「即将播放」面板中。

早期YouTube系统会根据影片的受欢迎程度决定排名，建立一个庞大的发烧影片页面。观看过这些被推荐影片的使用者并不多，绝大多数YouTube观看次数都是由平台以外的搜寻或他人分享的连结而来。

如今，YouTube的系统会从数10亿部影片中，完全根据用户的兴趣量身打造出推荐内容。相较于其他平台透过使用者本身的社群网路找到推荐内容，YouTube推荐系统成功的关键在于精确预测使用者想观看的影片。

古德罗指出，为了提供个人化推荐内容，推荐系统并不会「照本宣科」以固定方式运作，而是会参考超过800亿笔称为信号的资讯，这些信号包括影片点击次数、观看时间、问卷调查的答复、喜欢和不喜欢的人数。

他也提到，每个信号的重要性都取决于用户。如果用户会分享所有看过的影片，包括那些用户给1或2颗星的影片在内，系统在推荐内容时，就知道不必过于加重计算用户所分享的影片。基于以上考量，YouTube的系统并不会依循特定公式运作，而是会随着用户的观看习惯动态调整推荐机制。

近年来不实资讯的盛行，也促使YouTube进一步扩展推荐系统的应用方式，将有问题的不实资讯和游走在违规边缘的内容（濒临界线但并未明确违反社群规范的内容）纳入其中。

YouTube在2019年首度开始调降违规边缘内容在推荐系统中的排名，当时在美国，未订阅频道的使用者经由系统推荐观看违规边缘内容的时间减少70%。如今经由系统推荐观看违规边缘内容的比例远低于1%，YouTube目标是将经由系统推荐观看违规边缘内容的次数，降低至整体观看次数的0.5%以下。（编辑：杨兰轩）1100916