Hulu推荐系统构建经验谈

概要
作为美国最大的专业内容视频网站-Hulu也存在信息过载（information overloaded）的问题。Hulu的内容和用户需求都是多样化的，如何帮助用户找到自己感兴趣的内容，从而改善用户体验并提高用户的观看时间，是Hulu推荐系统需要解决的核心问题。 这里我会跟大家分享Hulu构建推荐系统的经历： 首先我们需要分析和了解我们的数据，没有好的领域知识很难构建出好的推荐系统，并且我们需要选择合适的用户行为数据介绍完推荐系统的构建后，我会介绍如何衡量推荐系统的效果，也就是推荐系统的离线和在线评测。最后我会分享一下Hulu在调优推荐系统时的一些实践经验。

个人简介

郑华，2007年毕业于清华大学电子工程系并获得硕士学位。 2006年加入创业团队mojiti.com，2007年公司被Hulu并购，后加入Hulu工作至今，是Hulu最早期的员工之一。加入Hulu后就和另外一名同事共同开发了Hulu的视频播放器，支持贴片广告、片段分享、实时预览和视频码率动态切换等一系列新特性，并参与共同发明Hulu互动式广告形式。2008年开始参与创建Hulu推荐系统团队，先后主持开发了Hulu的内容推荐系统，精准广告投放系统以及用户数据分析平台，并参与共同发明了Hulu创新的多媒体推荐形式。目前在Hulu担任Principal Developer Lead职位，全面负责Hulu的个性化内容推荐和精准广告投放技术。此外他还热衷于推荐技术的推广，多次参加Resys的线下活动，并积极和同行进行交流，还参与组织了Resys推荐系统论坛2012大会。

QCon是由InfoQ主办的全球顶级技术盛会，每年在伦敦、北京、东京、纽约、圣保罗、杭州、旧金山召开。自2007年3月份首次举办以来，已经有包括传统制造、金融、电信、互联网、航空航天等领域的近万名架构师、项目经理、团队领导者和高级开发人员参加过QCon大会。