¿Cómo funcionan las recomendaciones de YouTube? - -

¿Cómo funcionan las recomendaciones de YouTube? - -

¿Hay algún lector que no visite YouTube al menos una vez al día? El servicio ya se ha convertido en una parte integral de nuestras vidas. Es difícil imaginar que usemos otra cosa para ver vídeos. YouTube ofrece una enorme base de contenidos. En total, el servicio tiene 1.900 millones de usuarios activos cada mes. Estadísticamente, el 79% de los usuarios de Internet tienen una cuenta en YouTube. Entonces, ¿cómo se las arregla Google para mantener un producto tan grande? En este artículo veremos el principio del algoritmo de sugerencias de YouTube, y es interesante, créeme.

Este material se basará en una publicación oficial de Google que explica cómo funcionan los algoritmos de recomendación de YouTube basados en redes neuronales. ¿Por qué he decidido estudiar este tema? El caso es que no hace mucho antes de acostarme decidí poner sonidos de cascada (ruido blanco) para dormirme más rápido. La noche siguiente, a la misma hora, me di cuenta de que el primer lugar de las recomendaciones era el mismo vídeo. Lo encendí de nuevo. El tercer día, a la misma hora, ese vídeo volvió a estar en la misma primera posición. Y eso a pesar de que YouTube recomienda vídeos completamente diferentes en cualquier otro momento.

Fue entonces cuando me di cuenta de que los algoritmos de YouTube son mucho más complejos de lo que pensamos. Como mínimo, son capaces de adaptarse a tus preferencias en diferentes momentos del día. Fue entonces cuando decidí investigar cómo funcionan los algoritmos de YouTube y me encontré con una información interesante que estoy dispuesto a compartir con mis lectores.

Los desarrolladores de YouTube se enfrentaron a varios problemas al desarrollar el algoritmo:

  • Enorme número de vídeos de diferentes temas, lo que dificulta la selección óptima en las recomendaciones
  • Alta dinámica del servicio. Cada hora se suben a YouTube entre cientos y miles de horas de vídeo. El sistema de recomendación debe ser flexible y dinámico
  • La volatilidad de los intereses de los espectadores
  • Optimizar los recursos para la búsqueda de recomendaciones, ya que el funcionamiento de los algoritmos de búsqueda es un proceso complejo que requiere mucha energía
Índice()

    Arquitectura del sistema de recomendación de YouTube

    El sistema se alimenta de millones de vídeos, y en la salida ofrece las mismas decenas de vídeos que le llegan al usuario en la pestaña de Recomendaciones.

    El sistema consta de dos redes neuronales convolucionales: "generación de candidatos" y "clasificación". La primera red selecciona cientos de vídeos de entre millones de vídeos, la segunda red neuronal clasifica la selección resultante de más a menos interesante para el usuario. A la hora de elaborar una selección, el sistema tiene en cuenta todo el historial y el contexto del usuario. El contexto significa, por ejemplo, la hora del día, la edad, el sexo y la ubicación geográfica. También en el momento de la creación de la muestra se realizan pruebas A/B cuando se muestran diferentes muestras al usuario para el experimento; si alguna de las muestras resulta ser más visible, el sistema aprende por sí mismo y se adapta a esta muestra.

    Al evaluar una muestra, no sólo se tiene en cuenta el tiempo de visionado, sino también el CTR (porcentaje de clics), es decir, el número de usuarios que empezaron a ver un vídeo en relación con el número de usuarios que vieron el vídeo en las recomendaciones.

    En la fase de clasificación, la muestra se basa en el tiempo de visionado previsto, de modo que cuanto más tiempo vean los usuarios un vídeo, más posibilidades tendrá de llegar a la cima de las recomendaciones. YouTube no se basa únicamente en la tasa de clics, ya que un vídeo puede ser un simple clickbait. El objetivo del entrenamiento de la red neuronal de clasificación es predecir el tiempo de visualización de un vídeo.

    Total

    Las recomendaciones de YouTube se generan a partir de dos redes neuronales. La primera red neuronal se encarga de la selección de vídeos por temas, la red neuronal de segundo nivel entre los seleccionados corta los vídeos clickbait y de poco interés con poca participación de los usuarios. Por eso, los vídeos que se ven durante más tiempo, que gustan y que se comentan más a menudo, obtienen el primer lugar en las recomendaciones, si se corresponden con el tema que interesa a los usuarios. Es interesante, ¿no? Discutamos este tema en Telegram.

    El sistema es realmente complicado y no trataré de explicar términos complicados y la arquitectura completa de las etapas de compilación, sólo porque yo mismo no entiendo del todo cómo funciona exactamente, pero es obvio que la selección de recomendaciones a la par de la búsqueda de Google es un algoritmo muy complejo, en el que trabajan las mejores mentes del mundo.

    Basado en konoden.

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    Subir

    Si continuas utilizando este sitio aceptas el uso de cookies. Más Información


    IK-4
    Gamers
    Tramítalo-Fácil
    ConociendoUSA
    Oración