公开课 | 看了10集《老友记》就被系统推荐了10季，Hulu如何用深度学习避免视频推荐的过拟合

昨天，我们推送了一篇《用Word2Vec实现让你上瘾的网易云音乐推荐算法》，然而有机智的小伙伴指出：感觉推荐过拟合！?

也就是说，如果你多听了几首刘德华的歌，就会一直给你推荐刘德华，但是你的内心其实四大天王都想尝试听听呀~

还有一个领域也会遇到类似的问题，那就是视频推荐。

也是哦，如果你看过老友记，那么反复给你推荐老友记1-10季肯定没毛病~但这样有点背离推荐算法的初衷是不是？

精准的推荐算法能够推送更匹配的信息，带来惊喜和良好的用户体验。

这次公开课，我们请到了Hulu北京研发中心的推荐算法研发负责人周涵宁老师，来为我们分享基于深度学习的视频推荐系统。

知道Hulu的人远不如知道YouTube和优酷、土豆的人多。

Hulu是2006年由美国福克斯广播公司、迪士尼ABC电视集团以及NBC环球电视集团三方共同合资建立的一个互联网专业视频服务平台，目前在美国拥有1400万注册用户。Hulu的目标是帮助用户在任意时刻、任何地点、以任何方式查找并欣赏到高质量的电视剧、电影和电视直播。

有了Hulu账户，可以第一时间看各种美剧和电影！在Hulu的众多电视剧资源中，2017年最受欢迎的剧集是South Park（南方公园），美国用户观看南方公园的时间超过了10,700万小时，单位换算为年的话，超过了1.2万年！

内容简介

推荐系统是人工智能在商业化中比较成熟的应用之一。随着视频分发平台的崛起，视频推荐获得了广泛的应用。

本次公开课会基于Hulu的实践，介绍深度学习如何应用在视频推荐中。以特征选择为例，深度学习可以利用非线性映射（利用激活函数的非线性），自动化特征选择的步骤，使得我们可以更容易地整合多种信息源。

公开课将涉及到推荐系统的目标和框架以及一些具体的模型，例如下图中的深度神经网络 ▼

最后介绍如何将算法与用户体验相结合，包括基于知识图谱，用推理树产生合理的推荐理由。

我们也摘录了周涵宁老师此前接受采访的片段，供大家了解与思考：

基于深度学习的视频推荐系统，下一步的发展是怎样的？

• 中短期的规划主要是基于内容的推荐，解决冷启动问题。

视频网站的核心价值是对内容的理解。基于用户行为的相关内容分析，已经到了比较成熟的阶段，接下来的主要挑战是对新内容和中长尾内容的冷启动。目前，现有的方法依赖于人工标签，存在一定的局限性，随着计算机视觉技术的发展，未来将会有越来越多的系统是基于内容理解来自动打标签。

• 长期的规划是，基于自然语言对话进行内容的推荐。

智能助手的应用是一个很有潜力的发展方向。例如，我晚上回到家，对电视说“我今天心情低落”，电视就会推荐一些治愈系的影视作品。如果我接着说“我想看点搞笑的”，它就会在之前推荐的基础上，筛选出喜剧。这个场景虽然看似简单，却涉及复杂的情感类语义标签和多轮对话之间的上下文关联。

嘉宾简介

周涵宁，现任Hulu北京研发中心推荐算法研发负责人，具有15年的研发创新和管理经验，专注于应用数据和算法实现产品落地，有丰富的数据分析和机器学习实践经验。

他本科毕业于清华大学自动化系，于伊利诺伊大学香槟分校获得计算机视觉领域博士学位。历任施乐硅谷研究中心研究员，亚马逊美国总部高级技术经理，盛大创新院资深研究员兼产品总监，智谷公司技术副总裁和宝宝树CTO。他拥有十多项美国专利授权，发表学术论文二十余篇。