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。
本文授權轉載自：中央社
【熱門焦點】
責任編輯：傅珮晴、蕭閔云
