优酷每天为上亿用户推荐上亿的视频。一大挑战是机器学习模型如何更好的描述与捕捉用户的兴趣。相比电商、新闻等领域用户对于视频内容的兴趣要更为复杂、感性、微妙、纬度多样，用户的兴趣也会逐渐演进、变化、细分，对于惊喜度（serendipity）与多样性（diversity）的要求也更高。用户的行为数据稀疏、分布偏差大、时域上分布规律也复杂多样。

我们将介绍优酷对于以上各种技术挑战的思考，实际尝试和采用的，如CUR、HIN、GRU等各种方法，包括对于模型如何更好描述与建模用户兴趣，在特征工程、样本采样、目标损失函数抽象、模型融合等方面的经验。