什么是视频内容推荐引擎？

翻译、编辑：Alex
本文来自 OTTVerse，作者为 Krishna Rao Vijayanagar。
Easy-Tech #035#
推荐引擎通常是指利用机器学习（基于用户的过去选择、偏好以及内容提供商的目录）来预测特定用户有可能观看哪一部电影或者视频的系统。
由于推荐引擎是帮助用户有效浏览电影目录的工具，所以它们对于 OTT 平台十分重要。在机器学习的帮助下，平台可以根据每个用户与服务的互动、他们对电影的选择以及丰富的电影元数据构建个人用户画像。
在本文中，我们将从 OTT 服务提供商的角度来了解推荐引擎、它所需的数据、以及它的用途等。
OTT 流媒体传输中的推荐引擎
在一篇发表的论文 [1] 中，谷歌的研究者们已经解释了他们是如何向用户推荐视频的：

看起来很复杂？好吧，这是因为 YouTube 需要正确推荐视频以保留用户、减少用户流失以及提高广告收入。
当然，我们在讨论电影推荐的时候，不得不提到著名的 “Netflix 百万美金大奖”，该奖项的目的就是根据人们的电影偏好来大幅度提升预测他们对于某部电影喜爱程度的准确率。也就是说，你是否能预测用户喜欢哪部电影并准确推荐给他们？你可以在这里查看 2009 年赢得百万奖金的解决方案的描述：https://www.netflixprize.com/community/topic_1537.html
本文中，我们不会深入机器学习（ML）算法，但我们将围绕数据需求、数据收集和推荐的使用展开介绍。
内容推荐引擎所需数据
推荐引擎需要大量数据（正确数量和质量）推荐和识别模式。比如，需要适当的数据来确保被推荐给用户的电影适合用户的观看偏好和模式。否则，很可能导致各种 App 商店和平台上的用户流失和差评。
接下来让我们快速了解一下用于推荐引擎的最重要的数据源。我将把它们分成两类：一、从电影中挖掘的数据；二、从用户中挖掘的数据。
| 电影元数据
电影元数据可以从电影公司或者内容创作者那里一次性获取。在没有此类信息的情况下，内容提供者也可以从 IMDb 或者类似的评分网站和机构来获取数据。