途经科斯塔丁
上周，我写了关于YouTube 算法如何工作 及其背后的人工智能工作流程。但基于其推荐系统的现有信息，我认为它存在一些缺陷:
- 它高度偏好观看时间，显然，较长的视频将具有较高的观看时间，并且它倾向于在特定时段之后推荐更长持续时间的视频。
- YouTube 有很多 clickbait 视频，低质量内容然而它是推荐的，并且没有对传递的虚假信息采取行动。
- 诸如 LikeCount、DislikeCount 之类的满意率对可以改进的推荐几乎没有影响。
在我研究 YT 算法 的过程中，我发现了一篇非常有趣的文章，作者是 Chris Lovejoy ，他使用 YT API 成功创建了一个个性化推荐系统。受到他的思维过程和一篇有见地的文章的启发，我决定使用 YT APIs 创建自己的 YT 推荐算法。
计划是创建一个系统，可以按照个性化的计划推荐相关的视频。我的动机是避免在成千上万的视频中寻找最好的视频，而是得到一个统计上符合我口味的视频。
这个计划可以为我节省很多寻找相关内容的时间，并且可以帮助我避免分心。
照片由努贝尔森·费尔南德斯在 Unsplash 拍摄
工作流程包括使用 YouTube 的 API 获取视频信息，然后根据我的喜好对它们进行统计排名。稍后，为了方便起见，我们还可以使用 Python 来自动化整个过程。
YouTube API 是驱动这个项目的汽车。它会给你带来关于视频的各种信息，无论是统计的还是描述的。
参考文档，它既可以用于频道，也可以用于视频，并向我们返回它们各自的元数据。
从 API 开始，我们需要一个可以使用开发者控制台生成的 API 密钥。
按照下面的代码获取基于您的查询的内容。
输出将留给我们一个 JSON 对象，稍后可以对其进行解析并提取有用的信息。
这将提供视频/频道的描述性属性。
为了获得统计属性，我们需要从描述性属性中获取 id，并遵循以下代码。
我不太喜欢 YouTube 的推荐系统。我认为它缺少几个重要的特征，或者我有一种特殊的品味。
现在我已经熟悉了 YouTube API，可以轻松地生成有用的信息，是时候打开我的创意机器，开发适合我偏好的排名指标了。
几个因素可以制作一个好的视频。它可能是我的搜索查询的观看次数、观看时长、视频满意率(如评论、分享)，或者可能是更多相关标签。
最简单的方法是接受高浏览量的视频，但从逻辑上讲，如果一个频道有 1000 万订户，那么一个视频获得 10 万次浏览量对他来说不是什么大事。但如果一个拥有 1 万名订阅者的频道的某些内容达到了 10 万的浏览量，我们可以推断这些内容是符合标准的。
在这种情况下，获得一个观看用户比率可能是选择相关视频的最佳指标。
但是，订户数量少的频道内容可以提高该比率。我稍微调整了一下代码，添加了一些限制，并将视频设置为至少有 10k 的浏览量和 1k 的订阅者。
此外，浏览量和订阅人数不能作为排名的唯一衡量标准。我引入了like count-to-dislike count ratio来进一步挑选相关和可信的内容。
加上观看-订阅比率和喜欢计数-不喜欢计数比率，我为每个视频制定了一个分数。
人们普遍认为，YouTube 上的任何内容在 24-48 小时内都是黄金时段，可以获得最多的浏览量和满意率。但是，与事实相反，我决定对每个查询保持手动。
为了得到精确的结果，我还使用了描述性属性，检查了“查询是否同时出现在标题和描述中。
我统计了标题和描述中出现的问题。遵循“人越多越好”的理念。
在最后一步，我修改了我的最终得分函数。首先，关注标题和描述中的关键字，以最大的内容返回。稍后返回具有最大观看用户比率和喜欢计数与不喜欢计数比率的内容。
YouTube 算法工作流程，由 Daksh Trehan 设计，版权所有
我测试了查询“Kubernetes”的工作流，得到了以下结果。
取得的结果是伟大和可靠的，但在我看来，事情可以变得更好一点。
总的来说，这是一个有趣的项目，围绕着对 YouTube 的 API 和 YouTube 的推荐系统工作流程的理解。
代码的工作流程可以总结为:
- 手动输入查询、时间段、API 键提取视频。
- 根据描述和统计属性过滤视频。
- 对视频进行排名。
- 显示输出。
你可以在我的 Github 找到完整的代码。
该项目仍处于初始阶段，可以改进很多，可以考虑的一些步骤有:
- 获取个性化视频的整个过程可以自动化。
- 一个更好的度量实现来获得更好的结果。
- 将代码部署在云服务器上供公众使用。
如果你喜欢这篇文章，请考虑订阅我的简讯: 达克什·特雷汉每周简讯 。
希望这篇文章能让你深入了解 YouTube 推荐系统，以及如何为他们构建一个推荐系统。
但是，这篇文章中描述的关于通用 YouTube 推荐系统的信息仅仅是基于用户体验到的或者 YouTube 开发者宣传的一些理论。个性化算法可以被进一步推向极限，我们可以得到更好的结果。
[1] 我创造了自己的 YouTube 算法(为了不让我浪费时间)
[3] 探索 YouTube 数据 API:印度 Pythonista
[4] YouTube 数据 API
在领英关注我:www.linkedin.com/in/dakshtrehan
阅读我的科技博客:www.dakshtrehan.medium.com
在 Instagram 跟我连线:www.instagram.com/daksh_trehan
YouTube 是如何利用 AI 推荐视频的？ 利用深度学习检测新冠肺炎 无法逃脱的 AI 算法:抖音 GPT-3 向一个 5 岁的孩子解释。 Tinder+AI:一场完美的牵线搭桥？ 一个使用机器学习卡通化的内幕指南 谷歌是如何做出“哼哼来搜索？” 一行神奇的代码执行 EDA！ 给我 5 分钟，我给你一个深度假！
欢呼