论文题目: The YouTube Video Recommendation System 论文地址: https://dl.acm.org/citation.cfm?id=1864770 论文发表于: RecSys 2010（CORE B类会议）
论文大体内容： 本文简单介绍了YouTube的推荐系统，从整个推荐架构层面来描述。
1. YouTube主要在首页以及播放页场景做推荐。
2. YouTube推荐系统主要Focus在下面几个方面： ①相关度； ②新鲜度； ③打散度； ④对用户可解释；（当年的YouTube还会显式展示推荐理由，但现在已经去掉这一做法了）
3. 训练数据主要包括2类型： ①Item表：Item的固有属性等； ②User表：包括用户的显式和隐式的操作或反馈；
4. ABTest时评价的指标： ①CTR； ②Long CTR：根据TS卡阈值过滤无效Click后的CTR； ③曝光时间/深度（session length）：用于衡量用户在此session内花的时间； ④session开始到第一次有效Click，用于衡量用户是否能很快找到自己想要看的内容； ⑤推荐覆盖度（多样性）；
5. 本文还透露出一个数据：YouTube 2010年首页60%的点击来自于推荐；
6. 从现在推荐系统的发展来看，当年YouTube的做法还是比较水的。但是在当年来看，整体的工程架构都奠定了后10年推荐系统架构的基础，还是比较赞的工作。
以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！
