百万候选集==>召回阶段==>几百候选集==>Ranking阶段==>排在最前面的十几个；
召回阶段：
输入：用户行为过的video集合 + 用户行为过的搜索词集合 + 用户属性
输出：百万级的类别（每个video是一类）
输入的video和搜索词的embedding，是用word2vec预训练得到的；（video要不要和最后一层的w[i]进行权值共享更新？）
Ranking阶段：
输入：待评分的video, 用户画像，context;
输出：一个sigmoid后的p, 0~1的概率（分数）
具体输入特征：
- impression video ID embedding: 当前要计算的video的embedding
- watched video IDs average embedding: 用户观看过的最后N个视频embedding的average pooling
- language embedding: 用户语言的embedding和当前视频语言的embedding
- time since last watch: 自上次观看同channel视频的时间 （刚看过的channel有可能很快就再次看）
- #previous impressions: 该视频已经被曝光给该用户的次数 （增加新鲜度，不能老推已经推过的）
1. 召回阶段，训练时，最后面用的是negative sampling来做的；
2. 召回阶段，最后一层的输出u，点乘权重向量w[i]，得到z[i]，百万个z[i]过softmax得到p[i]；预测阶段，就要要找最大的一百个z[i]，所以把用户特征Forward得到u向量之后，找能点成后得到最大的z的w们，也就是把w[i]视为了video[i]的embedding! 近似等价于从百万个w[i]中，找到和u最相似的K个, 也就是KNN (借助faiss等最近邻工具）
3. 召回阶段，为了拟合用户对fresh content的bias，模型引入了“Example Age”这个feature
4. 训练集构成：对每个用户提取等数量个样本；目的是减少活跃用户对模型的影响；
5. 没有使用RNN对用户历史观看记录做建模：如果用RNN，需要避免最后一个item影响过大；（youtube已经上线了以RNN为基础的推荐模型，有论文）
6. 测试集，没有采用经典的随机留一法（random holdout），而是一定要把用户最近的一次观看行为作为测试集：只留最后一次观看行为做测试集主要是为了避免引入future information，产生与事实不符的数据穿越。
7. Ranking阶段，用观看时长做权重，进行了带权LR，好处：watch time更能反应用户的真实兴趣，从商业模型角度出发，因为watch time越长，YouTube获得的广告收益越多。而且增加用户的watch time也更符合一个视频网站的长期利益和用户粘性。
8、在进行video embedding的时候，为什么要直接把大量长尾的video直接用0向量代替：节省内存。稀疏video就是加上也不准！word2vec里一般用UNK这一个embedding来统一表示。
9. 针对某些特征，比如#previous impressions，为什么要进行开方和平方处理后，当作三个特征输入模型：引入了特征的非线性；
10. 使用带权LR；