RS笔记：工业界推荐系统YouTubeDNN模型（召回层+排序层）[2016 YouTube]

YouTubeDNN

• 学习资料
• 一、背景知识
• 二、YouTubeDNN
• • 2.1 整体模型架构
  • 2.2 🌲召回侧
  • • 2.2.1 训练阶段
    • 2.2.2 预测阶段（线上服务阶段）
  • 2.3 💞排序侧
  • • 2.3.1 优化目标：用户观看时长（不是点击率）
    • 2.3.2 训练阶段（加权loss）+预测阶段（$e^{(wx+b)}$）
    • 2.3.3 🤩王树森更新：图解 视频时长建模（标签y改成t/(1+t)）
• 三、如何合理设定推荐系统中的优化目标（CTR，CVR，视频播放时长）
• 四、YouTubeDNN相关面试题
• • 问题1：召回侧的训练阶段如何得到所有用户的embedding向量
  • 问题2：为什么召回层的预测阶段不用模型预测，直接用了Embedding数据库
  • 问题3：排序层中odds的物理意义是什么？
  • 问题4：YouTubeDNN为什么不以点击率为优化目标而是视频观看时长？

学习资料

• Paper：《Deep Neural Networks for YouTube Recommendations》
• AI上推荐 之 YouTubeDNN模型(工业界推荐系统的灯火阑珊)
• 推荐系统（二十）谷歌YouTubeDNN（Deep Neural Networks for YouTube Recommendations）
• Youtube DNN serving目标解析 | 从odds到Logit 、Logistic Regression 解释Odds的无力
• 王喆《深度学习推荐系统》第8章 深度学习推荐系统的前沿实践