阅读分享--重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文

重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文
https://zhuanlan.zhihu.com/p/52169807

废话不多说，下面就跟大家分享一下两次拜读这篇论文的不同体验和收获。

第一遍读这篇论文的时候，我想所有人都是冲着算法的架构去的，在深度学习推荐系统已经成为各大公司“基本操作”的今天，Youtube在算法架构上并无惊奇之处，我们来快速介绍一下文章中的深度学习推荐系统的算法架构。

Youtube的用户推荐场景自不必多说，作为全球最大的UGC的视频网站，需要在百万量级的视频规模下进行个性化推荐。由于候选视频集合过大，考虑online系统延迟问题，不宜用复杂网络直接进行推荐，所以Youtube采取了两层深度网络完成整个推荐过程：

第一层是Candidate Generation Model完成候选视频的快速筛选，这一步候选视频集合由百万降低到了百的量级。

"候选生成模型"通常指的是在各种应用中使用的一种机器学习或自然语言处理（NLP）模型，用于生成一系列潜在的候选项或选项。然后可以根据特定的标准进一步评估或排名这些候选项。这个概念通常用于推荐系统、信息检索和搜索引擎等各个领域。

以下是候选