Netflix的建议算法如何真正奏效

在使用算法寻找新的动画之前,需要了解驱动您所看到的每一行建议的引擎。Netflix并不依赖于单一公式。 相反,它混合了多种机器学习方法,每个方法都旨在展示让你保持视线的标题。 在它的核心,系统使用协作过滤、基于内容的过滤和潜在因素模型的组合 — — 但是这些技术术语会转化为屏幕上简单的东西 : “ 因为我们观看了[ 攻击巨人 [ ” , “ 选择你” , “ 以及越来越具体的“具有强大女性铅的格利蒂·安米 ” 。

协作过滤和类似性分数

协作过滤是Netflix个性化的支柱。 算法将你的观看历史和评级模式与数百万其他成员的观看模式进行比较。 如果一群有类似你习惯的观众一直享受[ 温兰萨加[ 和 朱苏凯森[[],而你只看过其中之一,那么系统就会将另一个推进你的建议中。 它不需要了解任何关于情节、动画风格或流派的事物,而只是观察行为重叠。 推荐的力度取决于你的品味况和群的汇总描述之间的“相似性分数 ” 。 你与动画标题(通过观看、评级或加入我的列表)的互动越紧密,那么校正就会变得更加紧密。

基于内容的建议和标记

协作过滤对流行标题最为有效,但与新的发行或没有大历史的利基动画相搏。 以内容为基础的过滤步骤就在此。Netflix维持着巨大的标记系统。每个标题都手动或自动地标注属性:流派、情绪、主题、人物类型、故事线,甚至视觉描述符。对于动画来说,这些标记可以是非常细小的 — — “Shounen ” 、 “Mecha ” 、 “Isekai ” 、 “low Burn Romance ” 、 “Gore ” 、 “Found Family ” 、 “Coming of Age ” 和 数十个。当你观看 时,算法会记录您对“剑游”、“恶魔”和“兄弟邦德”等标记的亲和“兄弟的亲和拥有高度标签重叠的头衔。 ”

慢因子和“因为你观看”行

在你完成一集之后直接出现的行 — — “ 更像这段 ” , “ 因为您观看了” 和“ 类似范斯” — — 不仅仅是标记匹配。Netflix的潜在要素模型检测出人类主管不会明确标注的隐藏连接。 例如,算法可能知道,喜欢缓慢大气间距 Mushishi 的观众也会强烈响应 Natsume 的朋友书[,尽管他们的表面标记不同。 这些潜在连接来自高维空间中嵌入的用户偏好向量的几何学。 通过这些列,你积极引导系统向类似的潜移集群。

为何Anime发现在Netflix上不同

动漫并不是一个单一的流派 — — 它是具有重叠亚文化的庞大媒介。 Netflix的推荐算法对待动漫与活动内容并无不同,但平台的目录和标记特性使得动漫发现成为了独特的挑战。 理解这些细微差别将有助于你更有效地使用系统。

微金线的崛起

Netflix 名声大噪, 使用超过 27 000 个微流派来分类其库。 对于动画, 您可以看到诸如“ Action Sci-Fi Anime ” 、 “ Feel- Good Romance Anime ” 或 “ Gritty Thriller Anime ” 等行。 这些微流派是通过将标记和查看模式相结合来算法生成的。 您可以点击一个微流派的行并浏览列出的所有标题, 可以在您主页上出现的第一批缩略图之外再探索。 然而, 许多隐藏的宝石都生活在特殊微流派中, 只有在您看到历史信号向它们开放时才能浮现。 如果您的描述从未触及过运动动画, “ 体育与竞赛 Anime” 的行可能会被埋藏。

Dubbed vs. 子床优惠的问题

Netflix 使用单独的视频资产来进行同一标题的被誉和下层版本。 对于算法, Hunter x Hunter(英语 Dub ] 和 Hunter x Hunter(日文) 是不同的条目。 如果您始终看下层版本, 建议引擎将学习优先排序这些版本。 但是, 这也可能造成分裂: 您可能因为Dub版本在您的相似性组中更受欢迎而错过一系列的建议。 要将系统训练为您所喜欢的格式, 总是选择并评分您真正享受的音频音轨, 并在探索新音符时考虑专门搜索“ 原日文” 。

区域目录差距和全球味度简介

Netflix的动画库因许可证限制而大不相同。 如果您使用一个 VPN 访问另一个国家的目录, 您的建议配置可能会变得混乱, 吸引对您所在区域无法使用的标题的建议。 这会导致令人沮丧的死路。 更好的方法是保留一个专门用于您主要区域的配置, 并创建一个单独的配置, 用于探索其他目录, 仅在连接到该国服务器时才使用。 虽然这需要人工管理, 但防止您的主要品味配置被无法访问的内容污染 。

培训您为更好的动漫建议而作的简介

您拥有的最强大的杠杆是反馈循环。 Netflix 持续根据您发送的每个信号更新您的味觉配置。 以下策略将精确地塑造该配置, 将您的动画主页变成一个真正反映您不断发展的兴趣的发现工具 。

使用缩略图上下冲压

许多用户忽略了最简单的反馈机制。 每次您用 thumbs up 来评分标题,您就会加强与其标记、潜在因素和组群连接相关的权重。 A thumbs down 也是同样有价值的,因为它告诉了算法要压制什么。对一个流行的shounen系列进行一个负面评分,不会从您的种子中删除所有动作动量,但是,如果您始终用压倒性主控器来压低 Isekai 标题,系统最终会学会过滤它们。 对于最精确的控制,在观看 后立即评分出动量 ,而经验却是新鲜的,对您在几分钟后故意放弃的标题也一样 — — 抛弃信号甚至比拇指更强。

利用“我的列表”作为培训信号

添加标题到 [ [FLT: 0]] 我的列表[[FLT: 1] 不仅仅是一个书签; 它告诉 Netflix 您打算观看它。 算法使用列表添加来完善建议, 通常在您开始保存的节目之前就显示类似的标题。 要将系统训练为特定的位置, 将我的列表包含一组相关的动画。 例如, 添加 [[FLT: 2] 泛太平洋代理 [[FLT: 3] , [[FLT: 4] 串连实验 Lain [[FLT: 5]], 和 [[[FLT: 6] Ergo Proxyprociety [[FLT: 7] ) , 将把您的建议倾斜向心理惊悚和范特格的故事描述。 请谨慎, : 包含数十个相关标题的列表发出一个吵闹的信号。 将它像一个集中的集合。

完整系列并避免任意跳过

观察宾格的行为具有巨大的分量。当你看完整个系列而无长断续续的时,Netflix推断出高度的接触。这说明这个标题的标记和潜在因素代表着强烈的偏好。另一方面,反复开始一个系列,并在一两次之后将其丢弃,会淡化你的品味描述。如果你尝试推荐的动画,请使用“不感兴趣” 选项或拇指下移,而不是简单地让它闲置。同样,跳过内涵和跳入动作会发出一个浸润信号,增强你对显示属性的亲和性。

为不同的迷你游戏创建单独的配置

Netflix 允许每个账户最多5个配置,每个账户都保持一个独立的品味配置。 与其试图在轻心的片段和黑暗的心理恐怖之间保持一个配置平衡,不如将配置用于特定的动因子流派。 您可能拥有“Shounen & Action ” 的配置, “ Romance & Slices of Life ” 的配置, 以及“ Mecha & Sci-Fi ” 的第三个配置。 您通过在专门的配置中始终只关注这一类别, 将会收到高度聚焦的建议。 如果您想探索新的情绪, 只需切换配置即可。 在多人共享账户但有不同动因的家庭中,这一技术尤其有价值。

解锁带有 secret Netflix 代码的隐藏动画

用于动漫发现的最未充分利用的技巧之一是Netflix自己的数流码系统。 每个微流派和子类都有独特的代码,您都可以直接输入一个电视应用程序的URL或搜索栏。这绕过了个性化的主页,并揭示了Netflix在该代码下的所有标题,无论算法是否认为您会喜欢。

书签所需的动画代码

以下是一些对动漫迷最有用的代码。 您可以访问 [[ [FLT: 0]] https://www.netflix.com/ browse/genre/ CODE[[[FLT: 1]]]( 替换 CODE 并加上号码) , 从而将其插入Netflix网络界面 :

  • 7424 – AIME(一般)
  • 3063 – 动漫喜剧
  • 2729 – 动画戏剧
  • 10695 — 动画动作
  • 452 – 动漫幻想
  • 11146 – AIME Sci-Fi 互联网档案馆的存檔,存档日期2013-09-02.
  • 10771 – 爱美恐怖.
  • 6721 – 动画系列
  • 2653 – 动漫电影.

因为Netflix定期更新其目录,所以通过代码返回的标题可能会随时间而变化。检查这些基于代码的页面每月一次可以显示新到的算法没有推到你的主页。对于一个更广泛的密码列表,像]Netflix-Codes.com这样的第三方数据库会提供定期更新的索引.

将代码与配置培训相结合

当你使用代码在通常的舒适区之外观看动画,然后仔细地评价这些标题时,真正的力量就出现了。假设你的动作重度描述忽略了片段生命建议。 通过访问“Anime Comedies”代码(3063 ) , 观看 Komi Cant Comunicate[ , 并用拇指指指将新的标记集注入你的品味描述。 然后算法将开始交叉波算:你可能会看到“Witty Social Wokward Anime”或“Heartfelt Comedy 系列 ” 等行。 这种有意的交叉训练扩大了你的建议,而不会削弱你的核心偏好。

从“ 更类似此” 和其他行挤出更多值

您的Netflix 主页上的行不是随机的。 每个行都对应一个特定的推荐策略, 并且知道它们意味着什么帮助您从战略角度导航它们 。

“更像这样”是一个基于内容的门户

当打开任何动画的细节页面并滚动到“ 更类似此” 部分时, Netflix 将显示与该特定节目具有相同高标签的头衔。 此行最适合发现具有相同心情、 叙事结构或动画工作室的动画。 如果您爱 [[FLT: 0]] Violet Evergarden [[[FLT: 1], 类似的标题可能包括其他具有惊人视觉效果的情感共鸣剧, 如 [[[FLT: 2] A 静音 [ 或 [ Maquia: 当承诺花花的花花芽[ 。 在完成一系列之后, 使用此行来找到直接的主题后继者, 而不是等待主页来猜测 。

“ 类似” 连接到协作信号

这行是用户行为驱动的。 它显示的是观众观看和欣赏的节目。 这些建议可能令人惊讶。 有时它们完全因为观众的相重叠来自共同的审美品味而不是叙事相似性。 如果 牛仔贝波 粉丝也向 萨穆赖·香波 (同名导演) 和 [ 黑色 Lagoon [ (类似语气) 的歌声, 由此出现。 当您在这行遇到一个动静时, 将您加入我的列表信号, 表示您也属于该行为集群。

“再次观察”和重看数据

重看系列或特定剧集会发出强烈的深情依恋信号. Netflix随后可以推广其他具有相同潜在因素的动画, 使得重看标题如此可重看. 如果您在4月经常重看 Your Lie, 的情感阴沉, 系统得知音乐驱动的悲剧和人物驱动的故事情节对你来说是高价值的情感触发器。 您可以利用这个方法, 故意重看一些您想要该算法模仿的动画的关键片, 然后检查主页, 以获取新的建议 。

使用外部工具来补充 In-App 发现

尽管Netflix的内部算法很强,但一些值得信赖的第三方工具可以帮助你找到系统可能掩埋的动画,特别是如果你的配置图是相对新颖或很少训练的。 这些工具读取Netflix的公共目录数据,并以官方界面不使用的方式呈现出来。

uNoGS(非正式的Netflix在线全球搜索)

i>uNoGS允许您用高级过滤器搜索Netflix的整个全球库:流派、发布年、音频语言,甚至IMDb评分范围。对于动漫发现,您可以应用“Anime”流派标签,并按用户评分排序,以找到您所在区域中备有的备受称道的系列。您还可以看到标题何时被安排离开Netflix,这帮助您在隐藏宝石消失前优先排序。

看着,瑞尔古德

聚合器, 如 [[ FLT: 0] ] , 请您只为 Netflix anime 过滤, 然后按子流派、 年份和流线质量浏览 。 虽然这些工具不与您的 Netflix 味谱进行通信, 但是它们对于进行人工搜索, 然后直接搜索这些标题将结果反馈到 Netflix 中是十分出色的。 您在 Netflix 上所做的每次人工搜索都会发出一个行为信号, 它可以转移未来的推荐 。

重设置和重建您的 Anime 味简介

有时最有力的举动是全新的开始。 如果你的建议被你不喜欢的动画单位的宾格观察所迷惑,或者你一直和某个人分享一个特征,而他的品味与你的味道冲突,重置就可能具有转型性。

清除部分重置的历史

Netflix 允许您在 count > Profile > 查看活动下删除您查看历史中的特定标题。 立即删除一个显示会从您的建议中剥离其影响。 如果一个不明智的表淹没了您不喜欢的流派, 则删除该条目可以在24小时内恢复平衡。 这是剖面图方法, 而不是悬崖图 。

创建完整重置的品牌新配置

最彻底的方法就是创建一个新的配置并从零开始。 在初始设置中,Netflix请您选择您喜欢的几个标题。 仔细选择这些种子选择会严重影响到第一波推荐。 选择至少三个真正代表您想要观看的内容的动量,如果想要多样性,则跨越不同的子流派,或者如果想要激光聚焦的种子,则紧密组合。

导航季节性动画和许可证发放波

Netflix 对季节性动画的处理方式已经演变。 与Crunchyroll( 模拟每周的节目) 不同, Netflix 经常一次发布整个库, 或遵循延迟的批次时间表。 这影响了可发现性, 因为一个节目可能坐落在平台上数周而不完全理解其观众的重叠。 您可以通过早期观看新版来加快进程。 您的早期接触有助于定义标题的相似性组群, 进而强化它与您所爱的旧目录群的联系。 此外, 当Netflix 许可一个流行的后目录系列, 如 [ [ [FLT: 0] 或 [ [FLT: 2] Hunter x Hunter ] 时, 算法可能会暂时推动它进入广大受众。 使用这些许可推力作为机会, 将标题添加到我的列表, 即使您没有立即观看计划; 信号会增强您的简介的亲和亲近性。

自我维护的 Anime 发现循环的终极提示

一旦你训练了你的配置,算法就变成了一个自我改进的发现引擎。为了保持它的健康,应用这些维护习惯:

  • 每周至少评分三个标题,酌情将拇指上下混合.
  • 每两个月,你给我清出一个名单 你不再有兴趣看。
  • 定期浏览密码 测试你忽略的流派
  • 当Netflix问“你还在看吗? ” 时,
  • 避免使用相同的背景噪声或儿童动感,除非你希望这些流派侵入你的建议。

Netflix的推荐算法不是静态过滤,而是动态对话。 你发出的信号越是刻意,就越能揭示出被塞入角落的远大动漫世界 — — 你可能会发现你下一个最喜欢的系列,只是因为机器最终完全理解了你所寻找的东西。