Meinen eigenen YouTube-Empfehlungsalgorithmus bauen

 (towardsdatascience.com)
16 Punkte von xguru 2020-12-07 | 1 Kommentare | Auf WhatsApp teilen

  • Mit der YouTube-API nur Videos finden und ansehen, die mir wirklich helfen

  • Ein Ranking neuer Videos anhand des Verhältnisses von Aufrufen zu Abonnenten erstellen

→ Da Kanäle mit vielen Abonnenten naturgemäß mehr Aufrufe haben, werden Kanäle mit weniger Abonnenten stärker gewichtet

Allerdings nur Kanäle mit mehr als 5.000 Abonnenten. Außerdem ist das maximale Verhältnis auf 5 gesetzt

→ Einmal pro Woche, nur Videos berücksichtigen, die in den vergangenen 7 Tagen hochgeladen wurden

(Ältere Uploads haben naturgemäß mehr Aufrufe)

→ Die endgültige Metrik ist das Verhältnis von Aufrufen zu Abonnenten, geteilt durch die Anzahl der Tage seit der Veröffentlichung

  • Bei einer tatsächlichen Suche mit GPT-3 konnte ich damit eher nützliche und interessante Videos von kleineren Kanälen finden als langweilige Videos von Kanälen mit vielen Abonnenten.

  1. Mit Suchbegriffen und Zeitraum nach YouTube-Videos suchen

  2. Relevante Kennzahlen zu den Videos extrahieren

  3. Mit der obigen Funktion ein Video-Ranking erzeugen

  4. Die Informationen zu den relevanten Videos in einem DataFrame speichern

  5. Die Top 5 Videos ausgeben

  • Ich wollte es auf AWS Lambda hochladen und automatisch ausführen lassen, bin aber gescheitert

  • Aktuell führe ich das Skript einfach lokal aus

Verwandte Beiträge

1 Kommentare

 
xguru 2020-12-07

Wenn man heutzutage auf YouTube tatsächlich nach techbezogenen Videos sucht, tauchen sehr viele in Indien produzierte Konzept-Erklärungsvideos auf. Sie haben zwar oft viele Abonnenten und Aufrufe, sind aber häufig wenig interessant. Es wirkt, als wäre es gut, das einmal auf diese Weise zu testen.