Mozilla邀請用戶對YouTube的推薦算法進行獨立研究
2020-12-11 太平洋電腦網資訊中心Mozilla邀請用戶對YouTube的推薦算法進行獨立研究
YouTube的推薦算法會把你帶入一些非常奇怪的兔子洞，相信很多人都會覺得這家網站推薦的視頻讓人感覺很奇怪。 今天，Mozilla將推出一個新的瀏覽器擴展-- RegretsReporter ，旨在對用戶的 "遺憾推薦"進行眾包研究，讓用戶更好地了解YouTube的推薦算法是如何運作的，並提供它發現的模式細節。
Mozilla從去年開始收集用戶關於YouTube推薦給他們的視頻的故事，一位用戶搜索關於維京人的視頻，隨後被推薦了關於白人至上主義的內容；另一位用戶搜索 "失敗"的視頻，開始得到關於致命車禍的可怕視頻的推薦。
但迄今為止還沒有人真正通過大規模調查來獨立追蹤YouTube的推薦算法，以了解它如何決定推薦哪些視頻，Mozilla的宣傳和參與副總裁Ashley Boyd說。
"當涉及到誤導信息時，那麼多的注意力都放在了Facebook上--這是理所當然的，"博伊德說。"但數字生態系統中還有其他元素一直沒有得到充分關注，YouTube就是其中之一。我們開始關注YouTube所說的話，他們如何策劃內容，並注意到他們對算法的擔憂做出了回應，並表示他們正在取得進展，很遺憾的是暫時沒有辦法驗證他們的說法。"
YouTube發言人表示公司有興趣看開展對YouTube推薦系統的研究。在過去的一年裡，YouTube已經推出了 "超過30種不同的變化，以減少邊緣內容的推薦。"
博伊德指出，這家谷歌旗下的視頻平臺曾多次承諾調整算法，甚至在公司高管意識到其推薦的視頻中含有仇恨言論和陰謀論的時候。
Mozilla新發布的瀏覽器擴展將向Mozilla發送有關你使用YouTube的頻率的數據，但不會收集有關搜索或觀看的信息，除非志願者選擇特別提供擴展發送報告，提供更多關於在推薦中遇到的任何 "令人遺憾"的視頻的細節，這將允許Mozilla收集關於報告的視頻以及用戶如何到達那裡的信息。
Mozilla希望該擴展能讓YouTube的推薦算法 "如何"變得更加透明；比如說，推薦的視頻類型會導致種族主義、暴力或陰謀的內容，並識別任何關於有害內容被推薦的頻率的模式。
"我很希望人們對人工智慧以及在這種情況下，推薦系統如何觸及他們的生活更感興趣，"博伊德說。"它不一定是神秘的，我們可以更清楚地了解你如何控制它。"
博伊德強調，在整個過程中，用戶的隱私都會得到保護。Mozilla從擴展中收集的數據將與隨機生成的用戶ID相連，而不是與用戶的YouTube帳戶相連，只有Mozilla才能獲得原始數據。博伊德說，它不會在私人瀏覽器窗口中收集數據，當Mozilla分享其研究結果時，它將以一種最小化用戶被識別的風險的方式進行。
Mozilla並沒有與谷歌或YouTube就推薦算法的研究做出正式安排，但Boyd表示，他們一直在與該公司溝通，並承諾分享信息。
但YouTube表示，Mozilla提出的方法論似乎 "值得商榷"，並補充說，它無法正確審查如何定義 "遺憾"等問題。
Mozilla計劃用6個月的時間來收集擴展的信息，之後將向用戶和YouTube展示其調查結果。"我們相信他們致力於解決這個問題，"博伊德對YouTube說。"如果他們能從我們的研究中了解到任何額外的信息，並做出一些可行的改變，以努力構建更值得信賴的內容推薦系統，我們會很高興。"
【來源：cnBeta.COM】
相關焦點
-
看一次Youtube,有多少AI算法為你服務?
今天給大家介紹的是YouTube使用AI和機器學習的神奇方法，從視頻過濾、內容推薦到視頻特效、視頻深度預測，Youtube的AI算法已然無處不在。僅在19年第一季度，就有830萬視頻從YouTube上被刪除，其中76%的視頻是由AI分類器自動識別的。 -
外媒稱YouTube打擊政治激進視頻 平臺不向用戶推薦
來源：新浪科技新浪科技訊 北京時間12月30日早間消息，據外媒報導，在過去一年中，兩名研究者對數百萬條YouTube推薦視頻進行了研究，他們發現這個平臺其實正在打擊政治激進主義。這兩位研究人員表示，截止到2019年底，YouTube的推薦算法似乎更加符合主流媒體和有線新聞內容，而不是獨立YouTube內容創造者。這份研究還顯示，YouTube的算法偏愛左傾和政治中立的頻道。與其他社交媒體平臺一樣，在過去幾年中YouTube一直在努力解決與內容審核有關的問題。 -
...媒體算法解析:Facebook、YouTube、Twitter如何利用算法推薦內容?
作者Ste Davies （經授權轉載自「騰訊媒體研究院」）在如今的世界中，算法已經成為了我們日常生活的核心。當你進行網絡搜索，滾動瀏覽社交媒體上的信息，或者從Spotify上接收到歌曲推薦時，實際上你正在被算法指導，甚至算法比你本人更了解你的消費習慣。每天，你的決策和選擇都會受到算法的影響。 -
關於個性化主頁定製的新聞推薦算法研究
而目前的主要是的推薦是協同過濾算法，新聞協同過濾算法主要是考慮到用戶，新聞之間的相似性，而當新聞信息內容發生巨大改變時或者用戶群體的數量增大時，基於協同過濾算法的新聞推薦模型的精確度會發生變化，該算法的缺點是我們不能挖掘出新聞的主題分布，和用戶的關注的興趣方向，因此協同過濾算法效率比較低下。因此我們需要一種基於新聞主題的新聞推薦算法。 -
算法左右歌曲推薦,而不是用戶喜好?
編輯導語：如今，不少的音樂類軟體比如：QQ音樂、網易雲音樂，甚至短視頻類的抖音，都會向用戶推薦可能喜歡的歌曲/背景音樂。在這個大數據時代，算法支配著受眾，因此歌曲的推薦也基於算法先行，這就導致了用戶聽到的歌曲和喜好偏離，用戶聽到的都是同質化的、略顯「枯燥」的音樂。 -
YouTube視頻推薦算法:5個非常有意思的細節
還是會使算法對視頻失去信心，從而失去推薦？ YouTube絕對建議視頻發布者更改標題或縮略圖的外觀，因為這可能是獲得更多觀看次數的有效方法。這通常是因為視頻對觀眾而言看起來有所不同，並且將改變人們在推薦中提供視頻時與之互動的方式。然後，YouTube的算法會響應用戶行為的更改，而不是更改標題或縮略圖的行為。 -
如何在Youtube的Discovery廣告為獨立站引流?
Youtube的Discovery廣告，顧名思義discovery的中文意思就是發現，我們簡稱為發現廣告，這種Discovery廣告的展現形式如下圖，分別是搜索、觀看頁面、主頁，discovery廣告的計費方式是只有用戶點擊你的廣告，才需要支付廣告的費用，反之則不需要。投放Discovery廣告需要準備什麼？ -
推薦系統之YouTube深度學習經典論文解讀
這篇論文提出的背景主要有三點，也就是當時YouTube視頻推薦面臨的問題：Scale: 用戶基數多、數據量龐大；導致很多在小數據上表現好的算法在YouTube推薦場景下失效。作者寫道，在之前的處理上，訓練所選擇的時間窗口，是採用最近幾周的用戶平均觀看似然率來進行推薦的。那麼考慮到example age的現象，我們的推薦策略將example age作為一個特徵拼接到DNN的輸入向量。訓練時，時間窗口越靠後，該值越接近於0或者為一個小負數。 -
基於用戶的協同過濾算法
，今天這篇文章要講的基於用戶的協同過濾算法就是其中的一個，這也是最早出現的推薦算法，並且發展到今天，基本思想沒有什麼變化，無非就是在處理速度上，計算相似度的算法上出現了一些差別而已。基於用戶的協同過濾算法我們先做個詞法分析基於用戶說明這個算法是以用戶為主體的算法，這種以用戶為主體的算法比較強調的是社會性的屬性，也就是說這類算法更加強調把和你有相似愛好的其他的用戶的物品推薦給你，與之對應的是基於物品的推薦算法，這種更加強調把和你你喜歡的物品相似的物品推薦給你。 -
推薦引擎解密:「算透」用戶,抖音為什麼讓人沉迷?
在收集到相關數據之後，系統就會導出四種類型的關鍵工程特徵，並將其輸入至推薦引擎當中。關聯特徵：表示內容屬性與用戶標籤之間的關聯，包括關鍵字匹配、分類標籤、源匹配、主題標籤以及用戶與內容間矢量距離等潛在特徵。用戶場景特徵：根據場景數據進行工程處理，包括地理位置、當前時間與事件標籤等等。 -
全球主流社交媒體算法解析:Facebook、YouTube、Twitter如何利用...
作者Ste Davies （經授權轉載自「騰訊媒體研究院」）在如今的世界中，算法已經成為了我們日常生活的核心。當你進行網絡搜索，滾動瀏覽社交媒體上的信息，或者從Spotify上接收到歌曲推薦時，實際上你正在被算法指導，甚至算法比你本人更了解你的消費習慣。 -
全球主流社交媒體算法解析:Facebook、YouTube、Twitter等平臺如何...
在如今的世界中，算法已經成為了我們日常生活的核心。當你進行網絡搜索，滾動瀏覽社交媒體上的信息，或者從Spotify上接收到歌曲推薦時，實際上你正在被算法指導，甚至算法比你本人更了解你的消費習慣。每天，你的決策和選擇都會受到算法的影響。 -
抖音、QQ音樂、網易雲音樂們,算法左右歌曲推薦,而不是用戶喜好?
造成筱佳困擾的「抖音神曲」來自於抖音平臺所使用的信息流漏鬥算法。用戶上傳視頻並通過抖音平臺審核後，系統將為此視頻進行冷啟動，分配一個內含200-1000個在線用戶的初始流量池。平臺會根據這1000次曝光所產出的完播率、點讚、關注、評論、轉發、轉粉、遊覽深度等數據，結合使用者帳號的分值進行數據分析，決定是否給予加權。 -
YouTube訂閱打法2.0:算法與平臺合力,迷思與憂思並存
此外，該論文還拆解了YouTube對視頻進行排序、推薦的各項指標，分別為：觀看次數（視頻的點擊量）；觀看時間；用戶在某頻道觀看了多少視頻；用戶近期如何觀看此主題視頻；用戶的搜索記錄；用戶的觀看歷史；用戶的人口統計學信息與地理位置。YouTube不斷升級算法，本意是為了優化內容生態以促進平臺的可持續發展，但同時也傳播了虛假新聞、仇恨言論等有害內容。 -
外貿獨立站如何利用youtube進行引流
Youtube每個月的訪客高達3百億，每天有10億人次的訪客，這個流量在全世界僅次於Google，而且當用戶在谷歌搜索的時候，往往都會出現youtube視頻的排名，所以說youtube是一個非常重要且好的引流平臺。 -
推廣Youtube頻道的13種方法
在開始使用社交媒體吸引youtube粉絲前，最好先研究一下社交媒體的人群特性，看看它們是否和你的頻道的受眾契合。你可能希望充分利用每一個社交平臺來推廣，最大可能的將他們吸引到你的youtube頻道來，但是做好每一種社交媒體的推廣都是需要花費很多的精力和時間的，而且很難保證你的努力一定會有預期的效果。因此，建議根據你的利基最佳的1-2個社交平臺。 -
一種融合社會化標籤的協同過濾推薦算法
社會化標籤除了這些功用外，還可以與現 有的推薦系統配合，產生更加有效的推薦，這是本文所要研 究的內容，利用社會化標籤信息，在經典的基於評分的推薦 系統上產生更好的推薦效果。將社會化標籤和評分相融合的算法也是推薦系統領域 研究的一個熱門方向。Tso-Sutter提出了一種可以將標籤融合 於標準的協同過濾算法，他直接將標籤當作二值化數據，作 為用戶的特徵向量或物品的特徵向量。 -
從產品使用角度,研究用戶體驗的內部系統
1.2 大部分情況下我們習慣研究用戶體驗的外部系統內部模糊性增加了從產品使用角度研究用戶實際體驗情況的難度，而外部清晰性使我們可以直接通過用戶訪談、調查問卷等手段直接調查用戶的感受。雖然這些手段確實是在走近用戶，但受限於精力、實際研究條件以及自身先入為主的偏見，我們所聽到的、看到的未必是真的。 -
推薦2個支持將YouTube視頻轉換MP3的工具
第二步：接下來，前往youtube網站，找到你要下載的視頻或播放列表並複製其連結地址，如圖：第三步：打開軟體，將複製的連結粘貼到程序裡進行解析，然後勾選"轉換成MP3" 或者「下載原始音頻」選項。當你看喜歡的YouTube視頻想要將其轉換為MP3格式時，只需要複製其連結地址，然後在瀏覽器中打開任意youtube to mp3網站，將連結粘貼到對應的框中，最後選擇對應的格式就可以進行視頻到音頻的轉換。但是，這種方法也存在一定的弊端，就是在線網站通常充滿病毒和廣告，而且非常不穩定，一旦youtube算法更新，大多數網站都會停止工作。 -
從爆款筆記,看小紅書的首頁推薦算法邏輯
這篇文章主要寫小紅書首頁推薦算法邏輯，從運營的知識點到爆款筆記的實踐，來講述小紅書首頁推薦算法邏輯。喜歡小紅書並且打算成為一個小紅書內容創作者的小夥伴們，不要錯過哦！作為運營一直對小紅書有關注，近期在正式運營小紅書，打算成為一個小紅書內容創作者。