youtube如何戒烟？
mip.xncswj.com
2025-11-15 08:51:41
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如何关闭全景模式
youtube在无痕模式中关闭全景模式。当使用无痕模式时让在搜索或是观看记录中都不会留下任何痕迹，在使用无痕模式时并不能进行喜欢、将其添加到观看列表、评论或是订阅频道的操作，开启无痕模式后，软件下方会出现正在使用无痕模式字样来提醒用户，及右上角的账户头像也会变成代表无痕的隐身头像。
油管如何不用验证码登录需下载并安装上方推荐的腾浪跨境浏览器，打开后手动添加油管。
如何登陆youtubeYouTube现已成为大多数外贸企业所钟爱的博主红人营销首选平台之后，输入邮箱或手机号+密码，完整密码验证即可登录，这样就不需要手机的验证码来登陆，方便很多。
chromecast投屏YouTube如何只镜像模式可以在Chromecast中的导航栏中打开此功能。
Chromecast是Google在2013年7月25日发布的全新连接设备。简单的说是Google推出的，插在电视或者显示器的HDMI接口上，电脑或智能手机播放的音乐和视频便可以通过Wi-Fi网络将画面和声音传输到电视大屏幕上。售价35美元，不过现在闲鱼上面有不少出二手的，100块上下的价格。
创建YouTube视频的四种方法！油管YouTube是全球知名的视频分享平台，作为Google旗下的视频网站，他已经拥有20亿的月活动量用户。
YouTube以庞大的流量激发网上创作产业，造就了网红无数。同时，企业可建立自己的YouTube主页，用作在线传媒广告。
一 、电脑网页在 YouTube Studio 测试版上传视频
1.登录 YouTube Studio 测试版；
2.在右上角，选择“上传”图标；
3.选择 上传视频（测试版）；
4.选择要上传的文件。
如果您在选择好所有设置之前关闭上传流程，您的视频将在视频页面中保存为草稿。
01、添加基本信息
为视频添加所需的重要详细信息。若这些信息缺失，您上传的视频将在视频页面中保存为草稿。
标题视频的标题说明视频下方所显示的信息。
02、选择高级设置点击 继续 可选择高级设置。
注意 ：如果您的视频仍在处理中，则某些功能可能无法使用。您始终可以在上传视频时将其设为“不公开列出”，并在处理完成后添加这些功能。了解如何在上传后更改视频的隐私设置。
播放列表： 将视频添加到某个现有播放列表，或创建新的播放列表。
片尾画面： 退出上传流程，将视觉元素添加到视频的结尾。
卡片： 退出上传流程，为视频添加互动内容。
字幕： 上传字幕和字幕文件。
视频语言： 选择原始视频语言。
标签： 添加描述性关键字来帮助更正搜索错误。
类别： 选择视频类别，例如教育或喜剧。
视频位置： 添加拍摄视频的位置。
录制日期： 输入录制视频的日期。
许可和权利归属： 选择标准版权或知识共享许可。
评论 和评分： 选择观看者是否可以对视频发表评论。选择观看者是否可以查看视频的“顶”和“踩”的数量。
其他设置
（1） 年龄限制： 有年龄限制的视频可能不适合部分观众观看。
（2） 嵌入： 选择您的视频是否可以嵌入到其他网站中。
（3） 通知： 指明您是否希望向订阅者发送新视频上线通知。
（4） 付费宣传内容： 让观看者和 YouTube 知道您的视频包含付费宣传内容。
03、预览和发布
1.选择 预览和发布 标签。
2.选择视频的隐私设置。您可以充分利用“不公开列出”隐私设置选项，确保观众不会看到尚未完成处理的视频。
3.在发布视频之前，预览您的更改并确保遵循 YouTube 政策。
在上传公开视频时，您可以设置首映。不公开列出视频和私享视频也可在上传后转为首映。
二、在创作者工作室中上传在创作者工作室传统版中上传
1.登录 YouTube；
2.在页面顶部，依次点击“上传”图标；
上传视频
1. 选择您的视频隐私设置；
2. 选择要从计算机或 Google 相册上传的视频；
3. 在视频上传的过程中，为视频添加标题（最多 100 个字符）和说明（最多 5000 个字符）；
4. 修改任何其他设置。合作伙伴可以选择视频的获利设置；
5.点击 发布 （公开视频）或完成（私享和不公开列出视频）即可完成。
只要您还未点击 发布 或完成，其他用户就不会看到您的视频。您始终可以今后再在视频管理器中发布视频。
Tip : 详细了解如何上传视频
了解“上传”和“发布”之间的区别
您 上传 视频时，视频文件会导入到 YouTube。
发布 视频后，任何拥有其观看权限的用户都可以观看该视频。
上传竖版视频
在您上传和发布视频时，YouTube 会确定展示内容的最佳方式。要想获得最理想的体验，请不要在竖版视频的两侧添加黑边。因此，竖版、方形或横版的视频都能在屏幕上得到恰当的显示。
Tip : 了解视频画质处理
您上传视频时，我们最初会以较低的分辨率处理该视频。这样有助于更快地完成上传流程。上传流程完成后，视频能够以较低的分辨率在各种设备上播放。
较高的分辨率（如 4K 或 1080p）可能需要更长的时间才能完成处理。在处理过程中，视频可能会在几个小时内无法以高分辨率播放。高分辨率版本处理完成后，您的视频将支持更高的分辨率。详细了解在上传后处理视频。
三、苹果手机上传视频
要通过 iOS 版 YouTube 应用上传视频，您可以录制新视频或选择现有视频：
1. 在 YouTube 应用中登录您的频道；
2. 点按应用顶部的“摄像机”图标；
3.录制：新视频或从媒体库中选择现有视频；
4.为视频添加标题（最多 100 个字符）和说明（最多 5000 个字符）；
5.（可选）使用增强功能：
（1）为视频添加过滤条件
（2）为视频添加音乐
（3）拖动视频下方白框的边缘可对视频进行剪辑。
点按“上传”即可完成
四、安卓上传视频
要通过 Android 版 YouTube 应用上传视频，您可以录制新视频或选择现有视频：
1.在 YouTube 应用中登录您的频道；
2.点按应用顶部的“摄像机”图标；
3. 录制：新视频或从媒体库中选择现有视频；
4.为视频添加标题（最多 100 个字符）和说明（最多 5000 个字符）；
5.（可选）使用增强功能：
（1）为视频添加过滤条件
（2）为视频添加音乐
（3）拖动视频下方白框的边缘可对视频进行剪辑
点按“继续”图标即可上传您的视频
有时我们会在您正在录制视频时即开始上传视频，但我们绝不会在未经您许可的情况下发布视频。
以上就是关于youtube如何戒烟？的介绍，更多问题请留言或者咨询老师呢
文档于 2025-11-15 08:51:41 修改