youtube怎么看评论（youtube评论区）

22. 从Youtube的默认推送中思考的一些事情

我个人平时经常看Youtube，一般都是看娱乐，教育类的视频。

如果按照我的浏览履历，一般给我推送的视频，应该都是与此相关。

但是，Youtube不知为何，直到现在还偶尔推送一些关于政治类的视频。

刚刚来日本那会儿，被标题吸引，看过一些辱华视频，但是后来发现这些讽刺视频，大多非常缺乏逻辑，以及真正的对中国的了解。

完全是为了辱骂而辱骂，耍一些文字游戏，拿一些完全站不住脚的论据，在那儿反复讲述。看了后，都觉得自己的智商被侮辱了。

在评论区留言，指出视频的无知，结果反而会被评论区的那些崇洋媚外的人所辱骂，最后反而惹了自己一肚子气。

所以后来，我就删除了旧账号。注册新账号，凡是关于政治类内容，全部屏蔽。

但是Youtube的推送算法，依然偶尔推送给我相关的内容。

我猜测，是不是Youtube可以从我看视频的内容中推测出我是中国人，然后就把那些视频默认的推荐给我。

而Youtube的算法又计算出，在海外的华人中，有一定比例的人是热衷于看此类视频的，所以导致，他就会把这一类相关视频，按照比例不定期的投放给所有华人，这样我就莫名其妙的被推送了这类视频。

现在我一旦发现有此类视频推荐，就会直接点举报，并且选择不关心此类视频。

Youtube因为会更具客户的反馈来优化人工智能算法，所以当自己非常厌恶或者不喜欢相关视频的时候，一定要选择不关心以及举报。

只有越来越多的人进行举报，或者选择不关心，才可以让这一类人无法从Youtube频道赚取到利益，从而断了这些人做此类视频的念头。

就好比，打击猎杀野生动物，获取皮毛的罪犯，只指望警察去抓，是不可能杜绝的。

只有通过让人们不再去购买皮毛，从而让皮毛市场无利可图，这样才可能让那些罪犯放弃去捕杀野生动物。

油管视频怎么下载到本地

油管视频下载到本地方法是下载安装这款油管视频下载器到你的电脑上然后运行它。前往油管网站，找到你喜欢的视频然后点击复制其链接地址。打开油管视频下载器，将视频链接粘贴到程序里进行解析。接着从弹出的窗口中选择你想要的分辨率，然后点击下载按钮。等待油管视频下载完成，点击视频旁边的播放按钮即可离线观看。

油管视频的概括

油管视频是源自美国的视频分享网站，也是当前全球最大的视频搜索和分享平台，让用户上传、观看、分享及评论视频。公司于2005年2月14日注册，网站的口号为Broadcast Yourself，网站的标志意念来自早期电视显示器。

通过强有力的技术支持，YouTube 提供了对多种格式视频内容的支持，并且在对上传文件规格的规定也放得比较开，容量不超过 2G，且长度不超过 15 分钟的视频在这里都是被允许的。之后 YouTube 已经开放部分用户上传超过 15 分钟的视频，且开放用户数量在不断增加。

如何找到靠谱的红人？Youtube红人寻找方法详解及常见问题解答

KOL意见领袖

众所周知，YouTube是一个视频网站，类似于我们国内的优酷。但是不一样的地方在于国内的类似优酷的网站是网站本身去发布比如电视剧这些比较受欢迎的内容，但国外是以分享为主的，网友作为一个自媒体去发表一些有趣的内容会更吸引人，我们把这个站外营销YouTube部分可以引入一个概念：KOL意见领袖。很多朋友对这个词不会陌生，在中国的互联网行业是非常流行的，意见领袖是什么呢？就是他的意见我们会信任和听取。比如一些朋友追星，明星穿什么会带动粉丝去穿什么，也是一种意见领袖，代表了潮流。

先看上图，首先进入YouTube之后，输入关键词会出现相应的内容，跟亚马逊的关键词机制类似，输入的关键词和视频所带的关键词相吻合的话视频就会被搜索出来，当然这些关键词带有一些推广性质。进入页面后我们会看到几个信息：视频的标题、发表视频人的名字、视频的观看量和时间。

通常玩法

判断是否值得投放

一般来说找站外红人有很多种方式，普通的玩法就是搜索一个视频点进去看到觉得还不错，直接去联系红人，但事实上还有一些问题应该注意：这些红人质量有高低好坏之分。我自己曾经在找红人时踩过很多坑，比如有些红人的粉丝量也不差，但付钱之后在用他的时候却发现这些粉丝完全没有活跃度，发文章以后没有观看量和点击量，相当于白花了钱。所以要看很多数据，通过数据来判断红人到底是否值得投放。

刚开始大多数人用的是通常的方法，这种方法要看哪几种数据呢？

第一，看产品的相关度。

这个红人历史上发过的产品跟你的产品是否相关。为什么这么说？因为他的粉丝来源是：视频发布以后红人自己去做推广、关键词，然后网友搜索到他后觉得有意思就会关注，说明当这些粉丝喜欢他历史上发的那些视频，如果产品跟历史发过的内容不相关的话，粉丝不感兴趣，所以也是浪费。因为相关度决定了粉丝的相关度，粉丝想买西瓜就是买西瓜的，粉丝想买刷子就是要买刷子的，要是找一个卖刷子的人让他推广西瓜，转化率肯定不会太高。

第二，粉丝数量。

这一点也有许多要注意的问题，比如有的人粉丝数量看着多，却是死粉（曾经这个人发过了很多有趣的视频前期得到了粉丝关注，后期的都很无趣，粉丝对他不再关心，再发的内容粉丝不会再去看甚至取关）。也有些人的粉丝数量不大，但浏览量非常高，有两方面原因，一是他自己做推广能力非常强，因为YouTube有自己的推广（广告、关键词、站外等推广方式），二是粉丝活跃度高，对红人非常信赖，他每次发的内容粉丝都迫不及待要关注。

第三，视频的观看量。

视频观看量跟粉丝数量一定程度上成正比，粉丝数量相当于你做亚马逊的自有流量，有关键词排名，这些粉丝有自带属性会免费看你的视频。还有一种是付费流量，红人也还有有多个渠道去做视频的推广，包括他自己一些站外的渠道（如Facebook之类和一些专门推广的平台），另外一个就是可以打CPC关键词广告让别人来看，也是一样。如果这个红人自带粉丝的数量够大活跃度又高，自有流量就比较高，发的内容就有很多人会看到，这是第一点，对他来说是免费流量。第二点在于他的推广能力，如果说他对于关键词的优化、在站外的推广以及CPC的力度等多个方面都非常好的话，就可以考虑跟他合作。所以观看量很重要。

第四也是核心，粉丝和红人之间的互动程度。

之所以强调这一点，是因为有些红人底下的评论来自于新粉丝，但是什么样的红人是你最好的选择呢？就是老粉丝会不停地评论，留下一些“老朋友我又来啦”，“我最信任你了，你做的内容真好”之类，这一部分粉丝已经成为忠实粉丝，忠诚度越高、对这个红人的信任度就越高，红人做视频以后粉丝的购买欲也就越强。

这些怎么来？第一，这个红人本身做视频做得非常好，第二，他说的话内容正确语气真诚；第三，他经常跟粉丝互动。所以判别时先看看粉丝留言内容怎么样，粉丝与红人之间交流的关系和感觉如何，再看看红人到底有否跟粉丝互动，如果完全零互动的话效果也不会太好。

不过不排除也有例外的情况。大家要仔细甄别。

如何取得联系

选好红人以后，就可以进入他的主页看联系方式了。通常在主页说明处会留下他的网站或其他联系方式，以上我发的示例里这个人是做自己的站点的，有自己的brand，还留下了Instagram、Facebook等， 你可以通过两种方式在YouTube上联系他：

1.查看电子邮箱，当然发送邮件的时候要注意两点，（1）发邮件尽量采用Gmail，这种方式被拦截的可能比较低，不要采用QQMail；（2）看这个人的邮箱的时候会进行验证，在验证时记得要刷新网页，否则其实一直都是一个人的邮箱，而不是正看的这个人的邮箱。

2.把YouTube的语言选择成英语之后，通过YouTube发站内信，在我标注的白色框处科员发送站内信，但站内信成功率稍微会比较低，但不像在亚马逊发站内信有很多词不能乱写，可以随便措辞，比如“我向你付款”之类的。

接下来是重点。

有很多人说：YouTube的红人我做了很多次都没有做好，我就放弃了，为什么会这样？

我会告诉你：这是一个长期经营的过程。

举个例子，把十个产品给一个红人推，和一个红人推一个产品十次，两者效果是完全不一样的。

当一个新鲜事物出现在人的面前，人们是完全陌生的，对它的信任度也不高，卖产品的过程就相当于在追一个女朋友，总不能说刚认识人家小姑娘就跑过去向人家求婚吧？这个成功率太低了。这是一个循序渐进的过程，如果想找人结婚，先要认识她，然后展示你的优势让她产生好感，陪她吃吃饭、经历一些别人经历不到的事情，等你们的感情积分到一定程度以后再进行求婚，才能一拿一个准。咱们在网上卖东西也是一样的道理，客户第一次见到你的产品，他也不了解是什么样的东西，你需要多次向他展示你是靠谱的、没问题的。就拿咱们亚马逊链接来说，客户先看到图片，他有可能会点进listing，进listing以后看到图片做得非常好、内容也介绍得非常详尽充足，他心里的购买分就会增加，然后他再看到文案上写了很多符合他要求的功能，再加分！再看到review评分非常高、里面的评论也很中肯，跟他想的是一样的，再加分！最后一看，有一年质保，彻底放心了，分数越加越到了购买的分数，下单！

找红人的过程也一样，如果把一个产品给十个红人推广，每一次作为粉丝来说是第一次看到，对产品的印象可能就不会太深。反过来，当我们确认选择的红人是非常好的，先给他推第一款产品，可能第一款购买率不高，但是第二次推的时候，第一次购买过的人对你产生信任就还会再次购买，他知道是同一个卖家的东西。第二次以前没有购买的粉丝会觉得“这个红人总是在说那就点进去看一下吧”说不定就会产生购买。第三次再做的时候这些红人的粉丝就有可能变成你自己的粉丝了。

所以我刚给大家说的内容就是要多次地向陌生客户展示，让他尝试了解产品，才有可能去购买，这一点真的至关重要。

而且一开始去找大红人用处也不大，反而可以先去寻找一些有潜力的红人，以产品相配合做推广，他的粉丝和你的订单量都有所增加，二者相辅相成。跟红人熟悉以后多进行合作，开展一些活动，这才是真正要走的路。尤其是他的粉丝也转化为你的粉丝、忠诚度越来越高，这才是重要的。就像我说的，不一定要挑粉丝非常多的，一定要挑有潜力的、真正的数据比较好的人，哪怕只有几万个粉丝，但是你跟他一起合作上一两年，他的粉丝变成几百万了，你的订单也大量增加，你们双方都向对方表示感谢，这未必不是一个好的过程。

进阶玩法

接下来看另一张配图，上面写的就是我所说的进阶的方法，这个网站集合了很多粉丝的数据，进入网站申请注册以后，输入红人后台网址，就可以显示红人的数据，可以看一下效果。

上面就显示了红人相关的一些数据，可以看到：

1.粉丝数量；

2.总观看数；

3.总视频数；

4.购买一千次浏览的话需要花多少钱；

5.平均视频浏览量；

6.历史的视频数据；

7.看完以后点赞率；

……

我抓取的案例数据是一个小的红人，通过这些数据可以进行判断这个红人是否值得投放，需要多维度考虑这个红人是否适合，哪些方面是适合推广的，比如推品牌的话，肯定是like为主去给自己积攒粉丝，如果说要直接推广产品或给listing增加浏览的权重，那就要看点击率比较高的。这些是由很多方面决定的，比如我说过的红人到底是用什么方法在推广自己的浏览量呢，这是一个决定方式，如果他是现有粉丝的话点击率肯定会高一些。如果是以初次浏览的广告或其他推广方式的话，浏览量可能就不会特别高。因为初次的信赖度不是很高，当然也跟内容质量有关，做视频的水平如何、能否吸引人，这些因素都会影响数据，我们就要认真考虑，根据不同的数据去推不同类型的产品。

我们也可以根据不同红人的类型制定不同的推广方案，我这个产品是用什么方式推广的，他这个数据哪个比较符合我，我就怎么去推，并不是所有红人一把抓，直接丢产品给他去推就行了，而要做一个规划，要看这个红人、推法、定价跟产品的匹配情况，一定要区分清楚。

如何取得联系

上图就是一封给红人发送的邮件，我在上面标注了红色放大产品名，这样红人可以一眼看到产品是什么，尽快决定是否合作，内容上第一个就是自我介绍，写得比较官方，可供参考。下面介绍了合作后红人可以得到的好处，比如是否向他支付佣金，这一点来说国外的红人被惯坏了，中国人都在给他们送钱，不给钱的合作比较难。免费的样品是一定的，还有discount给粉丝的福利，如果你自己也有网站的话可以跟他一起进行推广等。大家可以参考这个模式去跟红人谈。另一种就是直接发给红人“我提供给你XX钱，你跟我合作，我的产品是XX”。非常直截了当，但这种方式有一个缺点是回复你的红人就只看钱，可能做的视频的质量非常低，大家要根据自己的情况进行规划，是要短时间内做个视频，还是说要发展一个稳定的红人跟他长期合作。

引流效果追踪

红人为你引进流量后要注意对效果进行追踪。

第一种是通过短链的方式，把自己的亚马逊链接输到短链的网站上会生成一个具有计数功能的短链，可以去后台查询通过红人引来了多少流量。第二种是设置折扣，在后台看到有多少人通过折扣进行购买。通过这两种方式可以检验找的红人到底有没有效果，再决定是否继续跟这个红人深度合作下去。一旦发现这个红人的粉丝都是假的，那就要停止合作。

找红人是一个长期的过程，没有必要把眼光放在一千多万粉丝的红人身上，因为要价已经很贵，做视频大多也不会精心做。相反一些潜力红人，我们用长期发展的眼光去看待，培养好关系跟他长期合作，甚至可以用多种合作方式，不止是可以发产品给他、做折扣给他钱这些常见方式。我可以想出很多种合作方式，他也有很多别的合作项目、给他增加粉丝之类，如果双方能建立期这样的关系，就是相辅相成的，时间长了，通过多次筛选，攒下十几个靠谱的红人的话，就足以撑起你对新品的推广和对老品的拉伸，基本的任务是没有问题的。

因此我认为这是一个长期的过程，另一方面这也是一个前期需要投入、后期需要维稳和筛选的过程。没有必要太心急，长期地维护才能真正见到效果。

以上就是今天给大家分享的YouTube红人一些比较初级的寻找方法，两点小技巧也同样重要：第一要看跟红人合作的方式，选择“一个人发十个”还是“十个人发一个”，第二是要做不同类型的筛选，长期积攒，价值才会越来越大。

答疑

Q：让同一个红人推广同款产品，每一次推广间隔的时间大概多久啊？

A：让同一个红人去推广同一类型的产品是比较靠谱的，同一款产品的话通常他会认为已经推广过了不会再推第二遍，因为对他来说做视频也不容易，我们可以这样做：我们的两款产品挂的是一个变体，而这两款产品从外形到风格都不太像，可以分两次，第一次让他推广这个，让他在视频或者文字描述底下标注一下这个来自于哪个卖家哪个品牌，第一次他对你产生了信任度，第二次会增加，红人更多的话，变体的流量增加，通过变体进来的流量去买了第一次进来推广的产品也是可以考虑采纳的。

Q：可以同款不同色吗？两款产品没差别 颜色不同

A：不建议同款不同颜色，因为红人也不愿意做这样的推广，功能、材质都是一样的，他做视频也不太好做。如果产品有哪个地方升级了可以找他做升级款或者不同维度的测评，但是不能让他没有话题去说。

Q：查找短链带来的效果可以具体说说怎么操作吗？

A：短链就是用来监控流量的，从你选择的红人那里能给你带来多少监控流量。具体操作是你把自己亚马逊链接到我发的短链网站输入，会自动生成短链，然后通过这个短链点击进入可以看到相关的流量，就能知道这个红人到底能给你带来多少流量，也许这个红人的浏览量高达十几万次，但他把你的链接放在不显眼的地方，没有人去点击，就不可能产生流量。所以看上去很热闹，实际上却没有带来流量。所以要看这个红人的推广方式能不能让别人找到你，而且最近亚马逊很重视站外营销的自媒体。我上次给大家分享过第一种叫做“ Expert Recommendation上首页 ”第二种新的东西也是关于红人的，就是让站外红人帮你推广产品直接链到亚马逊，这个过程 亚马逊 直接帮你实现，甚至都不用自己操心。

Q：就是把短链接放进网站里面搜索然后就会出来一些结果是吗？

A：把你生成的短链放到红人的页面里去，粉丝就会通过短链点击到你的主页，起到一个计数的作用，就可以知道有多少人是通过红人的页面来浏览你的产品了。

Q：但是如果我同时跟两个或三个红人合作一款产品，只有一个短链，怎么去区分呢？还是我一款产品可以生成不同短链的？

A：可以这样试试，亚马逊有权威链、含关键词链接等，你可以用不同的链接生成不同的短链，如果是不一样的话，也是可以区分的。而且我不建议你同一时间用不同的红人去做推广，效果也不会太好。我还是建议你去找最高效的红人，好好培养长期的合作，这样一定是最有效果的。要不然的话你可能刚一开始投放了很多红人却没有达到心理预期的那么好，可能会使你放弃，但事实上你只是没有找到适合自己的。

Q：跟红人合作前必须有官网跟FB官网吗？不然显得咱实力太弱了吸引不了红人？

A：跟红人合作不一定要有FB和官网，如果从红人到你链接可以直接做CODE码转化率也不会太低的。我认为红人不会因为你有没有官网而跟你合作，他也是看品牌的，对他自己有没有作用，就比如Anker这个品牌有很多的粉丝，有些人搜Anker也会观看他的视频，或者你给他钱，或者这个品牌他很关注，多种方式。 Anker 是在站外做的红人的链接直接连到自己的listing的，但多少会带一些CODE，保证一下转化率，没有必要一定要通过自己的官网和Facebook，当然我之前跟大家分享的时候提到过可以通过官网和 Facebook ，可以给自己增加点粉丝。

Q：要是用关键词在YouTube上找红人，红人做过同类型的视频只有一个，而且视频还是一年前做的，但是红人粉丝还可以，那我可以找他合作吗？

A：要看红人到底好不好，要看他跟你产品的相关度，具体我刚刚就已经分析过了，只做过一次的话他的相关度可能不会太高，即便粉丝量再多，观看量也不会太多。所以合作后可以给你带来多少流量一定要思考。我一般不会找粉丝量太大的朋友，我会选择潜力红人，像我刚跟发过的网站上可以查到数据，网页数据比较好的红人，可能只有几万个粉丝，但是后续的成长和长期的发展，以及需要你投入的资金，投资回报比效果都会非常好。

大家还要注意的就是视频的分享量，红人做完视频以后你可以寻找一些Facebook的人帮你分享，分享多的话自然观看的人也很多，就像当年的指尖陀螺，没人会没事去搜索，但是红人做视频以后很多人感兴趣就会在Facebook分享，也跟咱们当年在人人网上分享一样，很多人能够看到，红人也会考虑这个问题，咱们同样也可以自己去做这个工作。

Q：有的红人粉丝多，但是发的视频观看人数不多，这种就不用考虑合作了是吗？

A：“粉丝多，但是发的视频观看人数不多”一定考虑不！合！作！

我刚讲过红人都有自己的推广方式，不管他是花钱推广还是有自己的渠道，如果他或者他朋友有很多Facebook、Instagram粉丝的话，他都会帮你去分享的，你自己也可以去分享。可能他很久没发过视频了粉丝也不看了，还有就是粉丝关注他以后觉得他发的内容无趣就不会再关注他的新内容了。我刚说到最关键的重点就是他跟粉丝之间的互动程度，以及粉丝对他的粘性。

关于YouTube推荐系统的论文学习

本文是2010年发表在RecSys上的文章。本文主要介绍的是YouTube的个性化推荐的相关内容。

用户使用YouTube一般有三个原因：

--看他们在其他地方找到的单一视频（直接导航）；

--围绕某个主题（搜索和目标导向浏览）查看特定视频；

--受他们感兴趣内容的吸引。

推荐系统主要是针对第三点，目的是帮助用户发现他们感兴趣的高质量视频，并且推荐结果应该随时间和用户最近的行为更新。

在YouTube的推荐应用中，面临以下挑战：

--用户上传的视频的元信息非常少；

--视频时长比较短（一般小于10分钟）；

--用户行为短暂、多变而且噪声很多；

--视频生命周期短。

这是YouTube的推荐和普通视频网站推荐不同的地方，这些挑战也是现在很多短视频公司关注的问题。

推荐系统算法应该保持时效性和新鲜性，另外，用户必须了解为什么向他们推荐视频，这样可以帮助用户根据自己的喜好改善推荐引擎。推荐的视频是通过用户的行为来生成的，用户的行为包括观看、收藏、喜欢等来作为种子视频，然后使用各种相关性和多样性的 signals 对视频集进行排序。推荐系统的工程设计方面，保持各个模块的独立性，并且还需要对故障具有恢复能力，并在出现部分故障时适度降级。

这里有2种数据可以考虑：

1）是内容数据视频流、视频元信息（标题，标签等）；

2）用户行为数据，包括显性和隐性数据。前者是指用户评分、明确表示喜欢、不喜欢等行为，后者是浏览、观看等行为。

原始数据中还含有非常多的噪声，很多不可控因素会影响原始数据的质量。

作者将相关视频定义为用户在观看给定的种子视频 v 之后可能会观看的视频，使用关联规则挖掘技术来确定视频间的相关性。视频i和j的相关性定义为：

将用户观看过的视频、喜欢过的视频、收藏过的视频等等作为种子集合，对它们进行N级的级联扩展，也就是YouTube选择召回的不是1步相关视频，而是n-步相关视频，即种子视频迭代n次后得到的相关视频集合，产生广阔和多样的候选结果。

在生成一组候选视频后，需要对这些相关视频进行排序。

用于排序的数据主要包括：

--视频质量：包括观看次数、视频评分、评论、收视和上传时间等；

--用户特征：考虑用户观看历史记录中种子视频的属性，例如观看次数和观看时间等；

--多样性：要在被推荐的视频集合的类别中做一个平衡，以保持结果的多样性。

这些数据最终被线性组合起来，得到ranking的评分。

本文虽然是2010年发表的，近年来有很多内容升级复杂化了，但是作为初学者，本文的知识点和整体思路是非常值得学习的。当时的YouTube推荐系统的核心算法就是基于Item的协同过滤算法，也就是对于一个用户当前场景下和历史兴趣中喜欢的视频，找出它们相关的视频，并从这些视频中过滤掉已经看过的，剩下就是可以用户极有可能喜欢看的视频。

本文是Google的YouTube团队在推荐系统上DNN方面的尝试，发表在16年9月的RecSys会议。本文第1节介绍了YouTube推荐系统主要面临的挑战。第2节介绍了一个简要的系统概述。第3节更详细地描述了候选集生成模型，包括如何对其进行训练并用于提供推荐服务；实验结果显示模型添加特征和DNN深度后可以显著提升预测效果。第4节详细说明了排序模型，包括使用加权逻辑回归技术以训练预测预期观察时间的模型；实验结果表明，增加隐层网络宽度和深度都能提升模型效果。 最后，第5节做了总结。

-规模大：用户和视频的数量都很大，传统适合小规模的算法无法满足；

-新鲜度：要求对新视频作出及时和合适的反馈；

-噪音：YouTube上的历史用户行为由于稀疏性和各种不可观察的外部因素而不可预测。 我们很少能获得基本真实的用户满意度，更多的是隐式反馈噪声信号。

推荐系统的整体结构如图所示：

该系统由两个神经网络组成：一个用于候选集的生成，一个用于排序。候选集生成网络将用户的Youtube活动历史记录作为输入，然后从海量视频集中筛选出一小部分（数百个）以高精度与用户相关的视频。排序网络负责基于更加精细的特征对候选集进行排序，最后将最高得分的视频呈现给用户（按它们的得分排名）。

该模型把这个推荐问题转化成极端多分类问题：对于用户U和上下文C，把语料库V中的数百万个视频（分类）i，在时间t处做准确的分类，如下所示：

其中u为用户U的embedding表示，vi 代表各个候选视频的embedding。embedding是指稀疏实体（单个视频，用户等）到实数密集向量的映射；DNN的目标就是在用户信息和上下文信息为输入条件下学习用户的embedding向量u，这对于用softmax分类器来区分视频是有用的。

整个模型架构是包含三层全连接层，使用relu激活函数。把用户观看历史数据、搜索数据做一个embedding，加上age、gender等特征作为DNN的输入；输出分线上和离线训练两个部分。训练阶段使用softmax输出概率，在服务期间则直接使用接近最近邻搜索来进行生产候选的N个视频。

1）把用户观看过的视频id列表做embedding，并对所有历史观看视频ID的embedding做平均，得到观看embedding向量。

2）同时把用户搜索过的视频id列表也做如上的embedding，得到搜索embedding向量。

3）用户的人口统计学属性做embedding得到特征向量。

4）简单的二值和连续特征，例如用户的性别，登录状态和年龄作为归一化为[0,1]的实数值直接输入到网络中。

5）example age：机器学习系统总是利用历史的例子去预测未来，所以对过去总会有一个隐含的偏差。为了矫正偏差，YouTube把训练样本的年龄当作一个特征。

1.训练样本要用youtube上的所有视频观看记录，而不只是我们的推荐的视频的观看记录。

2.为每个用户生产固定数量的训练样本。

3.丢弃搜索信息的顺序，用无序的词袋表示搜索查询。

4.如下图，图(a)从历史观看记录中随机拿出来一个作为正样本来预测它，其余的历史观看记录作为上下文；这样其实泄露了未来的信息，并且忽略了任何非对称的消费模式。相反，图(b)是从用户的历史视频观看记录中随机拿出来一个作为正样本，然后只用这个视频之前的历史观看记录作为输入；这样的预测效果好得多。

– 深度为0：这时网络就是一个把连接起来的输入层转换一下，和softmax的256维输出对应起来

– 深度为1：第一层 256个节点，激活函数 是ReLU （rectified linear units 修正线性单元）

– 深度为2：第一层512个节点，第二层256个节点，激活函数都是ReLU

– 深度为3：第一层1024个节点，第二层512个节点，第三层256个节点，激活函数都是ReLU

– 深度为4：第一层2048个节点，第二层1024个节点，第三层512个节点，第四层256个节点，激活函数都是ReLU

实验结果如下图所示：

可以看出，特征选取较多时，并且模型深度在四层时，可以得到较好的结果。

排序阶段最重要的任务就是精准的预估用户对视频的喜好程度。在排序阶段面对的数据集比较小，因此会采用更多的特征来计算。

作者在排序阶段所设计的DNN和上文的DNN的结构是类似的，但在训练阶段对视频的打分函数不再是softmax，而是采用的逻辑回归。如下图所示：

1）特征工程

尽管神经网络能够减轻人工特征工程的负担，但是我们依然需要花费精力将用户及视频数据转化为有效的特征。其主要的挑战在于如何表示用户动作的时间序列以及这些动作如何与正被评分的视频展现相关。但是通过对用户和物品之间的交互行为，我们能提取出一些有用信息，比如： 用户从这个频道里看过多少视频，用户上次观看这个主题的视频是什么时候等。

2）embedding 离散特征

每个维度都有独立的embedding空间，实际并非为所有的id进行embedding，比如视频id，只需要按照点击排序，选择top N视频进行embedding，其余置为0向量；而当多值离散特征映射成embedding之后，像在候选集生成阶段一样，在输入网络之前需要做一下加权平均。另外一个值得注意的是，离散特征对应的ID一样的时候，他们的底层embedding也是共享的，其优势在于提升泛化能力、加速训练、减小内存占用等。

3）连续特征归一化

对连续值类的特征进行归一化，作者设计一种积分函数将特征映射为一个服从[0,1]分布的变量；还可以对某些特征进行取根号、取对数和取平方的相关操作，使得网络有更强的表达能力。

给定正负样本，正样本为有点击视频，负样本为无点击视频；用观看时长对正样本做了加权，负样本都用单位权重（即不加权）；采用的是基于交叉熵损失函数的逻辑回归模型训练的。

上表显示了在保留数据集上用不同的隐层配置得到的结果，这些结果表明增加隐层的宽度提升了效果，增加深度也是一样。

本文内容方面，介绍了YouTube基于深度学习的推荐系统，先用视频和用户的主要信息通过深度候选生成模型从百万级视频中找出数百个相关的视频，再用视频和用户的其他信息通过深度排序模型从数百个视频中找出几十个最有可能受用户欢迎的视频给用户。这样使得推荐系统对用户喜好的刻画能力大大增强，刻画的范围更加广泛。

本文结构方面，从推荐系统的整体结构讲起，划分为候选集生成和排序两个阶段，然后对每个阶段详细地展开讲解。整体过程条理清晰，逻辑严密，值得我们学习。

youtube评论未能完成操作403

1、浏览器错误，可能你的浏览器还没有更新。

2、网络问题，检查一下你的路由器配置，是否出现了互联网不稳定。

3、电脑问题，可能你的电脑遭受了病毒攻击，也可能你的操作系统出了些问题。