POSTED ON 2017 年 11 月 2 日 BY iThome
詳細文章連結：https://www.ithome.com.tw/news/117977
 

YouTube的推薦系統不僅針對個人喜好，還細緻化到個人所使用的不同裝置。YouTube大中華與紐澳技術管理負責人葉佳威表示，YouTube為實現個人化體驗，隨時會為用戶準備100小時用戶感興趣的內容，即便相同的使用者在不同的裝置上觀看YouTube，系統也會依不同的裝置推薦適合的影片給用戶，例如在家透過Chromecast在電視上看YouTube，通常觀看的時間會比較長，而和在外面以手機看YouTube, 觀看時間會比較短，不適合推薦較長時間的內容，因此系統會考量不同的使用裝置推薦YouTube內容。

在推薦系統上採用機器學習，提供用戶個人化的內容，讓使用者可以更容易的在YouTube上找到他們想要看的，推薦的內容更合乎使用者的心意，YouTube認為對廣告主、內容創作者也有好處，廣告主更容易鎖定目標群，創作者的上傳內容也容易被感興趣的人看到，但YouTube也承認自動化的影片推薦可能讓受歡迎的內容變得更受歡迎，影響其他內容被看到的機會，也是未來還需克服的。

除了YouTube推薦系統採用機器學習，為避免YouTube遭到濫用，散佈恐怖主義、暴力內容，今年6月YouTube也開始用機器學習協助辨識不當內容，過去仰賴使用者檢舉不當內容，運用機器學習後，YouTube團隊審核了超過100萬部影片，作為機器學習訓練實例，提昇辨別的準確度，根據9月的數據，83%的暴力極端主義內容在被檢舉前就被辨識出來。

另外，Google也嘗試以AVA（Atomic Visual Actions,原子視覺化動作）數據學習模式，運用機器學習瞭解YouTube影片中的人物行為動作，做法是從YouTube影片中截取15分鐘的片段，再將片段均分為300組時間只有3秒的小片段，已事先定義的人類原子動作下標籤，例如走路、踢球、握手，再依標籤下註解，AVA將人類行為分為姿勢或移動、人與物互動行為、人與人互動三類。目前以AVA分析超過57萬個影片片段，產生21萬個標籤，標註了9.6萬組人類動作，日前已釋出了這些人類行為資料集，希望拋磚引玉，吸引更多研究投入，發展出更多應用。