发布时间：2018-12-06 文章来源：东西文娱

 

　　以内容推荐为例，预测哪些节目会吸引用户的兴趣是Netflix模式的关键组成部分。Netflix的高级数据科学家Mohammad Sabah在2014年曾表示，“75%的用户根据公司的推荐选择电影，Netflix希望这个数字能更高。”

 

　　2016年5月，Netflix曾推出了一个智能工作流管理和调度应用程序Meson，这个AI系统自动管理提供视频推荐的各种机器学习管道。此后，Netflix的内容推荐得到了很大提升。根据Netflix 2016年年报，全球有9300万用户每天在该平台上观看超过1.25亿小时的电视剧和电影。

 

　　具体来说，Netflix的内容推荐是由基于相似的浏览模式代表相似的用户品味这一假设的算法提供的。同品味用户群在这些推荐算法中起着重要作用。

 

　　除了在用户划分上，Netflix与传统媒体公司有所差别外，还有一个关键特征是，Netflix会用图像(image)而非文字去推荐每部电影或电视剧，也就是Netflix自己所称的艺术品(artworks)。Netflix的目标是，为每个节目推荐所配的艺术品(artworks)要能突出与每个会员相关的特定视觉线索。

 

　　在艺术品(artworks)的创作过程中，机器学习起着至关重要的作用。具体来说，这种计算机视觉算法可以扫描节目，并从中挑选出不同的图片随机分配给不同的用户，所以就会有数以亿计的个性化图片不断在其用户群中接受测试。

 

　　此外，Netflix还采用情境标准(contextual criterias)，为每个用户在每个时刻找到最完美的推荐。Netflix 认为，“我们有数据表明，不同的一天，不同的时间，不同的设备，甚至有时不同的地点，人们的观看行为都是不同的。”

 

　　大多数互联网公司使用批次处理(batch processing)的方式实现个性化的目标(如个性化推荐)，但Netflix意识到这对于时间敏感的场景(如新内容的发布活动或非常受欢迎的内容)来说不够快。他们转向了接近实时(NRT)的推荐过程，以加速学习过程并推出测试结果。

 

　　除了个性化的服务外，Netflix也将AI技术应用于优化视频的流畅性和清晰度。对于发展中国家的流媒体服务和移动设备用户来说，互联网连接速度缓慢和带宽限制可能是一个问题。Netflix与南加州大学和法国南特大学开发了一种新的机器学习方法称为DynamicOptimizer，可以压缩视频而不损坏画质，确保用户无论在印度还是日本，都可以享受到流畅、高质的流媒体体验。