9月19日，2018年云栖大会在杭州开幕。上千位顶级学者、行业专家，来自64个国家的CEO和CTO齐聚云栖小镇，共同探讨互联网科技的前沿发展及未来趋势。
在【友盟+】承办的数据智能实践专场中，映客直播内容推荐高级总监陈雪峰发表了题为《如何通过AI来做直播个性化推荐》的演讲，对映客直播的推荐体系和AI技术应用做了详细介绍。
一直以来，映客作为直播领域的头部平台，不断以技术先驱引领业内创新。陈雪峰表示，映客作为全新的流量分发平台，在诞生之初便具备算法应用的前提条件。通过收集大量数据，进而推动算法模型的优化，经过多版本迭代，目前已覆盖平台内十几个核心场景。
映客“五层塔”系统：为精准推荐保驾护航
陈雪峰介绍，映客推荐系统分为五个层次，从下到上依次为数据层、离线算法层、在线算法层、策略层和服务层。
在映客平台，每天会产生海量的用户行为。而“五层塔”系统的任务就是对这些行为背后的数据进行采集，并加以整理、提炼，同时不断纠错、优化升级，最后推荐出最有可能被用户喜爱的内容。以离线算法层为例，它对用户数据采用分类、聚类、回归、预测等多个模型，精准刻画用户画像，目前已经构造了包括性别、年龄、地域等几百个维度在内的画像体系。
此外，陈雪峰还表示，“五层塔”系统也会考虑曝光频率控制、流量保护等策略，做出最优决策。
专门搭建图像识别平台 解决三大核心挑战
对于个性化推荐在直播产品中的应用，陈雪峰提到三个核心问题：第一是对直播内容的理解——从科研角度来看，直播间完全是一个黑盒，很难判断直播间里发生的是什么，这大大增加了系统做内容推介的难度。第二点是实时性，也就是内容变化的随机性。主播是没有剧本的，完全取决于跟用户的交互，而映客要实时响应这种变化。第三是精准性，也是衡量所有推荐系统的标准。
针对以上难题，映客通过图像识别、语音识别、文本挖掘来进行内容理解，还专门搭建了图像识别平台，深度学习与统计学习双管齐下，提高推荐预测的准确性。
直播间内容理解 用户画像很关键
陈雪峰表示，对于直播间来说，用户画像对于推荐作用是最核心的。映客通过图像识别技术预估主播画像，比如人脸属性识别，甚至会识别眼睛大小，包括主播服饰等等。怎么抽取和设计标签呢？采用以下两种方式，第一对主播群体进行聚类，对聚类结果抽取标签，第二是基于业务知识抽取标签。虽然很多标签标准是感官判断，但对人群还是有区分性。映客还对场景和行为进行识别，目前覆盖了上百种行为标签，如钢琴，弹古筝，健身等。为实现上述目标，映客搭建的图像识别平台起到很大作用。
如何获得大量的标准数据，提升深度学习效果？陈雪峰介绍，映客通过构造两个闭环获取标注数据。所有直播间都有人工审核的过程，审核时会给直播间打上标签，用于模型训练，把新的数据模型预测结果再推到人工标注平台，人工再对预测结果进行修整，通过迭代循环不断提升模型效果。另外是通过收集到的行为日志，基于行为日志预测标签进行训练，同时根据分发后的反馈数据修正标签，从而不断优化模型。
智能推荐效果显著 用户观看时长增三倍
陈雪峰表示，在AI技术的帮助下，映客直播的整体效率有了显著提升。个性化推荐与人工运营相比，点击率增加50%，用户观看时长增加三倍，关注转化率也整整翻了一倍。在今后，映客会在直播间内容理解方面投入更多精力，包括在推荐中如何做好短期内容和长期内容的探索。
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，映客分享了自己对于AI技术的研究成果，也展示了继续深入探索并获取更大成就的决心。AI与映客，一个是技术界的宠儿，一个是泛娱乐直播的领军者，二者在将来还会碰撞出怎样的火花？
让我们拭目以待。
免责声明：本文仅代表作者或其来源网站个人观点，不代表本网站的观点和立场，与本网站无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本网站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。如因作品内容侵权需删除与其他问题需要同本网联系的，请在30日内通过本网的邮箱或电话联系。
.jpg)
.jpg)