认识一个知道你想看什么视频的实习生

伟大的想法可以来自任何地方. 即使是实习生也能想出一个绝妙的主意，改变数百万观众观看OTT电视的方式.

吴刚是爱荷华州立大学的一名研究生, 在那里他研究矩阵补全(稍后会详细介绍). 在过去的四年里，他的暑假都在 Adobe 总部位于加州圣何塞. 吴是视频推荐分析团队的一员, 今年早些时候，他提出了一个改进Adobe推荐系统的想法. 他的算法改进经历了提案过程，最终成为黄金时段节目的一部分. 这表明团队的每个成员都能做出贡献, 聪明的公司会倾听所有员工的意见，甚至包括实习生. 剩下的就让吴说吧.

流媒体: 嗨帮派. 先介绍一下你自己吧.

吴帮派: 我出生在中国. 我在中国大连理工大学获得学士学位, 然后我来到美国攻读博士学位.D. 在爱荷华州立大学. 从我读博士的第二年开始.D.我得到了在Adobe 研究实习的机会. Viswanathan (Vishy) Swaminathan (Adobe 研究的首席科学家)是我的顾问. 我的Ph值.D. 是否专注于矩阵完成, 所以这实际上与Vishy面临的问题有关, 推荐问题.

流媒体: 什么是矩阵补全?

吴帮派: 像Netflix这样的公司有一个用户评分矩阵, 他们想要预测一些缺失的收视率. 这对于推荐非常有用，因为如果你能预测缺失的评级, 你可以知道人们对他们没有看过的电影的潜在兴趣. 想象有一个矩阵, 每一行都是一个用户, 每一列是一个视频, 条目是评分. 有些电影的评分是不知道的，因为有些人还没有看过, 而且大部分条目都不见了, 因为有很多电影还没有被用户看过. 公司想要预测那些缺失的评级，所以这就是矩阵完成.

流媒体: 你是怎么加入Adobe的?

吴帮派: 我的大学导师之前有一个学生也在Adobe 研究实习过. 他毕业了，找到了另一份工作. Vishy和我在大学的导师交谈，问是否有学生对他们的问题真正感兴趣. 我的导师跟我谈过, 我对这个问题很感兴趣, 所以我来到Adobe实习. 那是在2012年9月. 从那以后，当我完成博士学位时，我断断续续地与Adobe合作.D.

流媒体: 你在哪个部门工作?

吴帮派: 我在系统技术实验室工作，我们有研究人员专注于矩阵理论. 他们有很多好的出版物. 此外，我们有研究人员与产品密切合作. 那些研究人员对这种产品非常熟悉, 他们致力于新技术或新产品的原型.

流媒体: 你正在解决一个矩阵完成问题，叫做Netflix挑战. 那是什么??

吴帮派: Netflix的挑战是关于用户收视率的. 用户需要提供一些手动输入来创建评级. 在现实世界中，大多数用户不会进行任何手动输入. 他们不会在看完视频后给出评分. 这是一个问题. 如果我们没有评级，我们怎么能做出好的预测和推荐呢? Vishy提出了我们不需要用户手动反馈的想法, 因为该产品可以跟踪一些用户活动, 比如用户的点击和键盘. 该产品还可以记录用户观看了多少视频. Vishy提出了一个想法，我们可以使用自动记录的数据来创建预测或为您提供观看新视频的建议. 这就是我2012年刚到Adobe时面临的问题.

在我第一次实习之后, 我们想出了一个想法，我们可以记录会话进度来取代手动评级. 例如，我们可以查看用户观看的视频的时长. 如果视频是10分钟，用户看了5分钟, 这种情况下的会话进度是50%.

流媒体: 你给产品带来了什么创新?

吴帮派: 我是清理和组织数据的人. It was very messy; there was too much 信息 there. 我们输入算法进行预测的实际数据非常紧凑. 我想到了一个想法，我们在打扫卫生时扔掉的信息可能是有用的. 例如, 在我处理的数据中, 我们有用户设备的信息, 的内容, 视频的语言, 等等......。.