获得博士学位。应用支撑平台建设。从视频网站的分类来看，优酷土豆属于两者兼有（用户原创内容+专业视频内容）的模式。这两类网站的内容和用户行为不同，相应的推荐系统设计也会不同。对此，优酷土豆建立了自己的推荐系统来平衡两者的权重。并在此基础上，发现GPU的生成类型。今后，将在此基础上进行新的开发。目前，优酷土豆视频推荐系统大致可以分为两部分。第一部分是底层算法架构，主要做算法研究。第二部分是上层支撑结构，即大数据的支撑平台。主要用于将海量视频信息快速、实时地推荐给用户，以达到良好的用户体验。与老视频推荐系统相比，新视频推荐系统在Hadoop大数据平台上构建数据和计算，包括信息算法的小流量支持和各种业务的流量支持等，可以作为本实现的扩展在平台上。现在，优酷土豆每天可以承受400-5亿次响应，每次响应大约3-4毫秒。结果非常好。在用户行为的采集上，视频行业一直将其视为重中之重。对此，优酷土豆成立了专门的团队收集用户行为。基于新架构，以前无法采集的实时视频数据、用户搜索行为、访问页面等，现在都可以实时采集，并引入实时算法。同时，在数据更新频率方面，优酷土豆也将更新频率分为三种。实现更快、更实时的用户体验。优酷土豆视频推荐未来会往什么方向发展？谈到这个问题，单经理告诉记者：“未来，优酷土豆视频推荐未来的发展方向大致可以分为两点。一是系统架构会更加实时，这样可以对用户进行分析第二，在目前的UGC和PGC背景下，传统的基于用户行为的数据不足以挖掘用户的所有信息，因此我们希望通过用户行为自动聚合标签与机器，并使用标签做类似的准内容推荐，这个标签可以用在用户身上，也可以用在内容上，表示用户的喜好，可以更好的提升用户的服务体验。
