揭YouTube推薦系統神秘面紗 800億筆用戶信號露玄機

(中央社記者吳家豪台北16日電)影音平台YouTube工程研發副總裁古德羅今天表示,為了提供個人化推薦內容,系統不會以固定方式運作,而是參考超過800億筆稱為信號的資訊,包括影片點擊次數、觀看時間、問卷調查、喜歡和不喜歡的人數等,動態調整推薦機制。

古德羅(Cristos Goodrow)今天在Google台灣官方部落格發布最新文章「淺談YouTube推薦系統」,拆解推薦系統背後的運作原理,以及YouTube如何從數10億部影片中,根據使用者興趣提供個人化的影片推薦,並協助創作者觸及新觀眾。

古德羅說,YouTube大量的觀看次數來自推薦系統,它的成效甚至超越頻道訂閱和搜尋功能。他參與YouTube推薦系統的建構工作已有10多年,這套系統如今已成為YouTube所有使用者體驗中不可或缺的一部分,但推薦系統的運作原理往往被視為神秘的黑箱作業。

YouTube推薦系統主要在2個位置運作,包括使用者的首頁和「即將播放」面板。首頁是用戶開啟YouTube時第一個看到的畫面,會顯示個人化推薦內容、訂閱項目、最新動態和資訊等。系統會根據目前觀看的影片,及認為用戶可能感興趣的內容,推薦建議內容在「即將播放」面板中。

早期YouTube系統會根據影片的受歡迎程度決定排名,建立一個龐大的發燒影片頁面。觀看過這些被推薦影片的使用者並不多,絕大多數YouTube觀看次數都是由平台以外的搜尋或他人分享的連結而來。

如今,YouTube的系統會從數10億部影片中,完全根據用戶的興趣量身打造出推薦內容。相較於其他平台透過使用者本身的社群網路找到推薦內容,YouTube推薦系統成功的關鍵在於精確預測使用者想觀看的影片。

古德羅指出,為了提供個人化推薦內容,推薦系統並不會「照本宣科」以固定方式運作,而是會參考超過800億筆稱為信號的資訊,這些信號包括影片點擊次數、觀看時間、問卷調查的答覆、喜歡和不喜歡的人數。

他也提到,每個信號的重要性都取決於用戶。如果用戶會分享所有看過的影片,包括那些用戶給1或2顆星的影片在內,系統在推薦內容時,就知道不必過於加重計算用戶所分享的影片。基於以上考量,YouTube的系統並不會依循特定公式運作,而是會隨著用戶的觀看習慣動態調整推薦機制。

近年來不實資訊的盛行,也促使YouTube進一步擴展推薦系統的應用方式,將有問題的不實資訊和遊走在違規邊緣的內容(瀕臨界線但並未明確違反社群規範的內容)納入其中。

YouTube在2019年首度開始調降違規邊緣內容在推薦系統中的排名,當時在美國,未訂閱頻道的使用者經由系統推薦觀看違規邊緣內容的時間減少70%。如今經由系統推薦觀看違規邊緣內容的比例遠低於1%,YouTube目標是將經由系統推薦觀看違規邊緣內容的次數,降低至整體觀看次數的0.5%以下。(編輯:楊蘭軒)1100916