유튜브 알고리즘은 어떻게 이루어지나요?
요즘 집에만 있다보니까 유튜브를 많이 보게되는 것 같은데
알고리즘의 구성이 알고 싶고
어떻게 해서 추천에 뜨는지 알고싶습니다!
유튜브 알고리즘은 어떻게 이루어지나요?
궁금합니다!!!!
딥러닝을 이용한 추천 시스템을 활용합니다.
자세한 내용은 Deep Neural Networks for YouTube Recommendations 논문에 설명되어 있습니다.
간단히 설명하면 사용자의 비디오 시청 기록과 검색 기록을 학습된 인공신경망에 넣어 user vector를 뽑습니다.
뽑힌 user vector를 이용해 유튜브의 동영상 중 가장 비슷한 동영상들을 뽑아 추천해줍니다.
정확한 알고리즘은 공개가 되어 있지 않으니 추측만을 해볼 수 있을 것 같습니다.
로그인한 ID를 기반으로 시청한 컨텐츠를 다 저장 하는 것이 우선 첫번째 아닐까 합니다.
그외 로그인한 ID 정보에 연령 또는 성별 등을 수집할 수 있다면 같이 저장을 해야겠죠
시청한 컨텐츠의 카테고리 또는 키워드를 분석을 해야할 것 같습니다.
컨텐츠를 올릴때 정보를 등록하기 때문에 어떤 분야의 영상인지 알수 있을 것 입니다.
정보를 기반으로 금융관련 컨텐츠를 많이 봤는지? 자동차 관련 컨텐츠를 많이 봤는지? 등의 정보를 찾을 것같습니다.
그이후에 카테고리별로 조회수가 높은 영상을 추천 리스트에 올리지 않을까 합니다.
물론 실제적으로는 더 복잡하고 분석하는 로직이 많이 있을 것입니다.
간략히 설명을 드리면
유튜브 추천 시스템은 2단계로 나뉩니다. 우선 사용자에게 추천할 후보군을 수백개 뽑는 1단계 후보 모델, 그리고 그 수백개의 후보들이 사용자가 얼마나 관심있을지 점수를 계산하는 2단계 랭킹 모델이 있습니다.
추천할 대상이 많기 때문에 사용자가 모든 글에 대한 관심 점수를 계산하기에는 너무 오래 걸려 추천할 후보를 대략적으로 빠르게 추린 후 랭킹 점수를 계산하여 다시 정렬하는 방식으로 동작합니다.
