最近做视频，正好梳理下个人对于视频推荐的看法。
一、为什么要有推荐系统？
信息过载，把最需要的给到用户。越发重要后成为一种重要的内容发现维度。
所以需要分类型对视频产品进行考虑，甚至分受众。
视频推荐梳理：
a、运营头部或针对性推荐：
热门、重大事件、部分小视频等；
b、用户行为强相关：
用户行为种类、产生行为的时间、持续时间、行为次数、物品热门程度。
浏览、点击、观看、调节、跳出、续接 某个视频或页面。
用户持久的观看形成的特征：基于特征向量、基于用户关系链、基于物品。
二、如何搭建推荐系统？
1、技术框架
用户属性+用户行为-行为提取-特征转换---得出 特征向量；
相关表1/2/3/4/5/6/7---结合特征向量得出相关 对应特征-物品推荐 即初始推荐结果；
初始推荐结果--再依照用户、物品维度 过滤、排名得出结果。
即：日志收集--行为存储--推荐系统--UI交互--用户。
2、数据利用
冷启动（注册、热门物品、特定物品选择、专家用户）--可以忘却
用户数据、上下文信息、用户关系链、社交网络链信息
3、算法选择
ItemCF / UserCF / 领域算法等
4、推荐的提供方式（产品设计问题）-- 评测系统 （用户主动及被动反馈）
5、推荐系统的优劣如何评价：
用户满意度、
预测准确度、
覆盖率、
多样性、
新颖性、
惊喜性、
信任度、
实时性、
健壮性、
商业目标。
理解数据，理解推荐，放置于大局观。