短視頻應(yīng)用近年來吸引了數(shù)十億用戶年，以多樣化的內(nèi)容滿足他們的各種需求。用戶通常會在短時間內(nèi)在移動設(shè)備上觀看許多主題的短視頻一段時間，并非常迅速地給出明確或隱含的反饋他們觀看的短片。推薦系統(tǒng)需要實時感知用戶的喜好以滿足他們的需求改變興趣。傳統(tǒng)上，推薦系統(tǒng)部署在服務(wù)器端為來自的每個請求返回一個視頻排名列表客戶。因此它不能根據(jù)在下一次請求之前對用戶的實時反饋。由于客戶端-服務(wù)器傳輸延遲，也無法立即利用用戶的實時反饋。然而，隨著用戶不斷觀看視頻和反饋，不斷變化的上下文領(lǐng)先排名服務(wù)器端推薦系統(tǒng)的不準(zhǔn)確。

在本文中，我們建議部署一個短視頻推薦框架,在移動設(shè)備上解決這些問題。具體來說，我們設(shè)計并部署一個微型設(shè)備排名模型以啟用實時服務(wù)器端推薦結(jié)果的重新排序。我們改進其預(yù)測準(zhǔn)確性通過利用用戶的實時反饋觀看視頻和客戶特定的實時功能。通過更準(zhǔn)確的預(yù)測，我們進一步考慮交互在候選視頻中，并提出上下文感知的重新排序基于自適應(yīng)波束搜索的方法。該框架已部署在十億用戶規(guī)模的短視頻應(yīng)用快手上，并提高了有效觀看率，喜歡和關(guān)注分別為 1.28%、8.22% 和分別為 13.6%。