【科讯】云栖大会友盟+数据智能实践专场，映客分享直播个性推荐中的AI实践

本篇文章1458字，读完约4分钟

9月19日，年云栖大会在杭州开幕。 来自64个国家的ceo和cto聚集在云栖町，共同探讨网络科学技术尖端的迅速发展和未来趋势，成千上万的顶级学者、领域专家。

在云栖大会友盟+数据智能实践专场，视频直播复制推荐高级总监陈雪峰发表了题为“基于ai的直播个性化推荐”的演讲，详细介绍了视频直播的推荐体系和ai技术应用。

迄今为止，视频客户作为直播行业的头部平台，作为技术先驱引领着行业内的创新。 陈雪峰说，视频客户作为新流量逐个发布平台，从诞生之初就具备了算法应用的前提条件。 通过收集大量数据和推进算法模型的优化，经过多个版本的迭代，现在复盖了平台中的10多个核心场景。

视频五层塔系统:为正确推荐护航

陈雪峰表示，视频推荐系统分为五个层次，从下到上依次是数据层、离线算法层、在线算法层、战略层和服务层。

在放映平台上，每天都发生大量的顾客行为。 五层塔系统的任务是收集、整理、精简、纠错和优化升级这些行为背后的数据，最终建议客户最有可能着迷的副本。 以离线算法层为例，在顾客数据中使用分类、聚类、回归、预测等多种模型，正确描绘顾客图像，现在构建了包含性别、年龄、地区等数百个维度的图像系统。

另外，陈雪峰说，5层塔系统也将考虑曝光频率控制、流量保护等战略，做出最佳决定。

构建图像识别平台面临的三个主要课题

关于个性化推荐在直播产品中的应用，陈雪峰指出了三个核心问题:第一，对直播文案的理解从科研角度看，广播间完全是黑匣子，不能简单评价广播间发生了什么，西 二是实时性，即副本变化的随机性。 播音员没有剧本，完全依赖于与顾客的互动，但观众必须实时应对这种变化。 三是正确性，也是衡量所有推荐系统的标准。

针对以上课题，视频客户通过图像识别、语音识别、拷贝挖掘进行拷贝理解，构建图像识别平台，兼顾深度学习和统计学习，提高了推荐预测的正确性。

直播间文案重要的是理解客户的图像

陈雪峰说，对直播间来说，顾客图像是推荐作用最核心的。 使用影像识别技术推测播音员的图像。 例如，也可以识别脸部的属性、播音员的服装等眼睛的大小。 如何提取和设计标签？ 第一对播音员群体进行聚类，对聚类结果提取标签，第二个采用了基于业务知识提取标签的两种方法。 许多标签标准是感官评价，但人们有区别。 影像顾客识别场景和行为，现在盖着钢琴、弹古筝、健身等数百个行为标签。 为了实现这样的目标，放映者构建的图像识别平台起到很大的作用。

如何获得大量的标准数据，提高深度学习的效果？ 陈雪峰说，视频客户通过构建两个闭环来获取标记数据。 所有直播间都有人工审查的过程，审查时在直播间贴标签，用于模型训练，将新的数据模型预测结果推送到人工注释平台，人工修正预测结果，通过反复周期提高模型效果。 另外，以收集到的行动日志为基础，根据行动日志预测标签进行训练，根据发送的反馈数据修正标签，从而优化模型。

智能推荐的效果是客户的视听时间的3倍

陈雪峰说，在ai技术的帮助下，视频直播的整体效率显着提高。 与手动操作相比，个性化建议的点击概率增加了50%，客户的观看时间增加了3倍，关注购买率也增加了2倍。 今后，视频客户将越来越多的精力投入到直播间文案的理解中，包括在推荐中如何进行短期文案和长时间文案的探索。

在未来的人类生活中，ai技术注定会发挥越来越大的作用。 在这次云栖大会上，视频客户分享了自己对ai技术的研究成果，表示了继续深入探索，取得更大成果的决心。 ai和视频客户是技术界的宠儿，是泛娱乐直播的领袖，两者将来会发出怎样的火花？

我们等吧。