youtube经典（youtube经典评论）

中国首位在奥运会上成功地完成体操动作“团身后空翻三周”的是

中国首位在奥运会上成功地完成体操动作‘’团身后空翻三周‘’的是李小双。

自由体操中的动作，全称为‘’团身后空翻三周‘’，由我国体操队员的个人全能奥运金牌得主第一人李小双所创。巴塞罗那奥运会上，男子自由体操决赛，李小双以一个惊人的‘’团身后空翻三周‘’震惊了整个世界，在这之前还没有人能做出这个动作。‘’团三周‘’帮助李小双已9.925分赢得了奥运冠军。

扩展资料

巴塞罗那奥运会男子自由操决赛，李小双完美演绎了那个被称为‘’体操界的哥德巴赫猜想‘’的动作——团身后空翻三周，为中国体操队拿下了那届奥运会唯一的一枚体操金牌。自此，世界记住了这个名叫李小双的东方面孔。

1995年的体操世锦赛，李小双又战胜一众名将，成为大赛90多年历史上，第一位登上‘’全能王‘’宝座的中国人。两届奥运会，李小双获得了两金、三银一铜的佳绩，世锦赛上则摘得了三金三银。无论是从奖牌数量，还是从对中国体操的贡献，那一次偶然的失误都无法掩盖他职业生涯的灿烂与辉煌。

参考资料来源：百度百科——团三周

参考资料来源：中国新闻网——一次失误毁了一代体操人？李小双的遗憾与中国体操

Youtube DNN经典论文

最近在看王喆的知乎专栏，第三、四、十三篇都是Youtube的经典论文DNN：    

跟着大佬又回顾了一下，发现之前真的只能算是一知半解，趁着这次把对这篇论文的新的理解记录一下，可能还会有一些错误。

论文讲解了在召回和精排两个阶段的模型：

召回：

先从特征说起：用户观看过的video的embedding，用户搜索词的embedding，用户的地理位置、年龄等side_infomation，还有exampl_age这个需要解释的特征

然后是模型：三层DNN

最后是training的loss：softmax做分类

serving的方式：nearest neighbor

里面其实有很多疑点：

1.example_age是什么

这个点专栏里说是训练时间 - 得到这条样本的时间（视频点击时间），但是我觉得这样表达不出“新视频”这个概念，也不知道用当前时间去减是啥意思，label是点击那一刻打上去的，又不是训练的时候；

所以我觉得这个example age应该是点击时间-上架时间，表示用户对新上架视频的偏好，用这个特征去捕获这个偏好了，在serve的时候全都置为0就可以消除这个偏好，毕竟这是召回阶段，可以多召回些东西。（这样就是消除用户对新视频的偏好了？）

2.为什么要做多分类，而不是预测分，多分类的话有海量视频，性能怎么保证

为什么要做多分类，而不是把样本的embedding也给到网络里做打分，这一点我是真的没弄明白；

海量视频的多分类性能的提升是用到了sampled softmax，可以参考   总的来说就是通过Q(y|x)采样出一个子集，对子集计算logits，然后用计算结果F(x,y)-log(Q(y|x))可以表示原数据集上的logits

3.serving阶段为什么不做多分类了，而是做nearest neighbor

这里首先要弄明白serving阶段的user embedding和video embedding是什么，user_embedding是最后一层relu之后的结果，比如是一个d维的向量；然后要得到一个几百万维(用d_N表示)的向量，需要过一个d*d_N维的矩阵，这个矩阵的每一列训练完之后就是video embedding；如果是serving的阶段依然是和每一列相乘，再算一个softmax，既然分母是一样的，取指数的操作也是一样的，那么就直接做点积就好了。

排序：

先从特征说起：当前排序的video的embedding，用户观看过的video的embedding，用户和video的语言embedding，time since last watch是自上次观看同channel视频的时间，previous impressions是该视频已经被曝光给该用户的次数（这里已经引入了负反馈的思路）

然后是模型：三层DNN

最后是training的loss：weighted logistic

serving的方式：e^(Wx+b)

这里面也有一些疑点：

1.training时候的weighted logistic是什么，为什么serving的时候用的是e^(Wx+b)

这个点是我重读的时候最没理解的地方，先尝试写一下，这里首先要搞清楚weighted logitstic是什么，那先回顾一下LR的公式的由来是log(odds) = w*x；这里的odds=p/(1-p)表示正样本发生的概率/负样本发生的概率；在weighted LR里面这个odds要变成W*p/(1-p)这里的W就是给正样本加的权重，至于为什么是这样有一种解释是用正负样本比去解释的，我觉得不是很合理 ；但是如果能够接受这个odds的话，那么log(odds) = w*x就可以得到odds = e^(wx)，后者就是serving的目标；

再说W*p/(1-p)是什么，这里W权重是这条视频的时长T，那么sum(Ti*pi)就是E(T)即时长的期望，E(T)/(1-p)泰勒展开就是E(T)*(1+p)这里的p很小的话其实就是E(T)也就是说serving的时候其实得到的就是观看时长的期望，这里如果用到电商里用price去加权，得到的应该也是对price的预估。

还是非常建议多去看一下十大工程问题那篇专栏，讲到了更多，比如对每个用户提取等数量的训练样本、把大量长尾video的embedding置0这些方法的出发点。

永远这么经典!阿姆Youtube上面播放超过5亿的MV 是什么歌啊？？？？？

Love the Way You Lie,确实很经典，不过这个貌似点击量不是5亿而是5千万，还没有Not Afraid高吧···

米津玄师三大神曲是什么？

1、《Lemon》

米津玄师的《lemon》是冬季日剧、由石原里美主演的《Unnatural》的主题曲。《lemon》新曲MV公开仅13个小时，播放次数就突破了100万次。不仅是在日本，在中国这首歌也在无数人的播放器里无限循环。

累计下载超过120万次的《lemon》，更是在油管上的播放量甚至超过了1亿次。

2、《打上花火》

和DAOKO合作的《打上花火》，也在亚马逊音乐榜上登上排行榜第一名，席卷了各路榜单。值得一提的是，《打上花火》这首歌是动漫电影《烟花》的片尾曲，虽然电影反响平平，远不及《你的名字》，但这首歌却格外的受欢迎。

3、《灰色与青》

由歌手米津玄师、菅田将晖演唱，该歌曲收录于2017年11月1日发布的专辑《BOOTLEG》中。无论是谁的粉丝都称之为神曲，在YouTube的播放次数更是突破一亿大关。

扩展资料：

从早期的另类风格到写出受到大众所喜爱的主流经典，从不被理解却直达内心悲鸣，再到抚慰人心的励志与温情。从诉说自我的歌者，再到唱出大时代下人们共有的心声，米津玄师在短短几年中就已经完成了一次自我的涅槃，并跨越年龄阶层，洞悉了更多听者的心灵，全能鬼才的艺术生涯才刚刚开始。

尽管在绘画方面没有受过专业训练，米津玄师却能展现出自成一派的艺术风格和精湛的视觉表现力，是位能将个人作曲视觉化的不二人选。米津玄师思维细腻，从很小的时候思考的问题就十分具有成熟性。