YouTube上不同国家的“时下流行”项目是根据什么机制分发的？
比如文昭吴建民李一平江峰等这些在北美的“反贼”他们的视频即没有机会进入YouTube北美地区的“时下流行”(点击量点赞数太少)也没有机会进入香港或者台湾地区的“时下流行”，但是我却经常能在YouTube台湾分区的“时下流行”里看到同样是定居北美的台湾视频主“理科太太”的频道，所以说这个“时下流行”栏目里的视频是到底依据什么机制来分配的？如果是完全依靠地理位置来分配的话“理科太太”的频道不可能出现在台湾分区才对啊。
：我正在研究如何让民运人士的频道霸占YouTube台湾分区的“时下流行”板块，为破坏我党统战工作改变台湾2020总统大选出一份力XD
：我正在研究如何让民运人士的频道霸占YouTube台湾分区的“时下流行”板块，为破坏我党统战工作改变台湾2020总统大选出一份力XD
实际上这个Recommended 问题偏学术，下面简单介绍下。
根据2016年的youtube recommend[1]这篇论文，见下图：
https://ai2-s2-public.s3.amazonaws.com/figures/2017-08-08/760948698540118031e590fbc884fcea209f9104/2-Figure2-1.png
根据上图，推荐系统利用机器学习进行推荐。
具体的说，根据论文：
所谓generation指：
也就是和你类似的人，这样可以增加推荐系统的准确性。这个candidate generation model的实质即实现协同过滤[2]进行推荐。
对每个视频进行打分，排序rank，即实现推荐。
简单的例子，例如，我最近在看filthy frank的视频，recommended下便会相应推荐filthy frank和joji，草（中日双语）。
这篇2016的paper虽然主题是youtube的推荐系统，但是其系统结构可以沿用到其他的推荐系统或者其他视频网站的视频推荐系统中（比如屑站的视频推荐）。
解释或引用：
[1]Covington, P., Adams, J., & Sargin, E. (2016, September). Deep neural networks for youtube recommendations. In Proceedings of the 10th ACM Conference on Recommender Systems (pp. 191-198). ACM.
[2]协同过滤collaborative filtering：簡單來說是利用某興趣相投、擁有共同經驗之群體的喜好來推薦使用者感興趣的資訊，個人透過合作的機制給予資訊相當程度的回應（如評分）並記錄下來以達到過濾的目的進而幫助別人篩選資訊，回應不一定侷限於特別感興趣的，特別不感興趣資訊的紀錄也相當重要。（自wiki）
其他值得推荐一读的是：
As algorithms take over, YouTube's recommendations highlight a human problem
毕竟推荐系统的目的是希望用户看youtube上的时间更多一些，还是多花点时间读书吧。
最后，骂一骂共产党，?，与题无关，戾气十足但个人特别舒畅：
共产党你妈炸了，阻碍信息流通，提高获取优质信息的成本，阻碍国人进入现代世界，你有泥马勒戈壁的自信，还中国模式，你玩你妈呢，骗国内韭菜是吧。
根据2016年的youtube recommend[1]这篇论文，见下图：
https://ai2-s2-public.s3.amazonaws.com/figures/2017-08-08/760948698540118031e590fbc884fcea209f9104/2-Figure2-1.png
根据上图，推荐系统利用机器学习进行推荐。
The system is comprised of two neural networks: one for candidate generation and one for ranking.[1]
- 利用user history及context和大量的video corpus训练得到candidate generation model
具体的说，根据论文：
The candidate generation network takes events from the user’s YouTube activity history as input and retrieves a small subset (hundreds) of videos from a large corpus.[1]
所谓generation指：
These candidates are intended to be generally relevant to the userwith high precision.[1]
也就是和你类似的人，这样可以增加推荐系统的准确性。这个candidate generation model的实质即实现协同过滤[2]进行推荐。
- 利用user history及context，video features，其他candidate信息和candidate generation输出的结果训练得到ranking model
对每个视频进行打分，排序rank，即实现推荐。
简单的例子，例如，我最近在看filthy frank的视频，recommended下便会相应推荐filthy frank和joji，草（中日双语）。
这篇2016的paper虽然主题是youtube的推荐系统，但是其系统结构可以沿用到其他的推荐系统或者其他视频网站的视频推荐系统中（比如屑站的视频推荐）。
解释或引用：
[1]Covington, P., Adams, J., & Sargin, E. (2016, September). Deep neural networks for youtube recommendations. In Proceedings of the 10th ACM Conference on Recommender Systems (pp. 191-198). ACM.
[2]协同过滤collaborative filtering：簡單來說是利用某興趣相投、擁有共同經驗之群體的喜好來推薦使用者感興趣的資訊，個人透過合作的機制給予資訊相當程度的回應（如評分）並記錄下來以達到過濾的目的進而幫助別人篩選資訊，回應不一定侷限於特別感興趣的，特別不感興趣資訊的紀錄也相當重要。（自wiki）
其他值得推荐一读的是：
As algorithms take over, YouTube's recommendations highlight a human problem
毕竟推荐系统的目的是希望用户看youtube上的时间更多一些，还是多花点时间读书吧。
最后，骂一骂共产党，?，与题无关，戾气十足但个人特别舒畅：
共产党你妈炸了，阻碍信息流通，提高获取优质信息的成本，阻碍国人进入现代世界，你有泥马勒戈壁的自信，还中国模式，你玩你妈呢，骗国内韭菜是吧。
**该用户被封禁，内容已自动替换**
如何看待岁静？https://pincong.rocks/question/item_id-427739
岁静在任何朝代都存在。
比如民国的鸳鸯蝴蝶派。
民国那真是大变局的年代了，你追求民主，呼吁民主，社会氛围比今天的轻松得多得多。
那样都尚且有人追求岁静，何况今天呢，（岁静一词的来源，就是张爱玲的：现世安稳，岁月静好。而张爱玲长期被认为是鸳鸯蝴蝶派的代表）。
很多文化决定论者，或者反中国文化者，都认为岁静是中国人自私无情，对于他人苦难无动于衷的表现。
也就是他们理解的岁静，有另一个表现：其他人死活我不管。
这一点上，其实亲中或反中是有极大区别的。
在亲中的人解读中，岁静并不是他人死活我不想管，而是我管不了。
岁静的含义是：暴力之下，我只能保全自己。
===============================
但是，无论是哪种解读，无论是亲中还是反中，都认为：打破岁静，才能启动社会转型。
他们都认为，没有岁静，天下大乱。
只不过，一个认为天下大乱是好事，大乱才能产生变化。另一个认为，天下大乱就是叙利亚，民不聊生，最后还是王朝循环。
我认为，
岁静只是一小部分城市中产的思想，在中国绝大部分地区的人是更加野蛮的丛林法则。他们追求利益是毫不留情，并且不惜性命的。
岁静你无论怎么解读，都有一个前提就是保全自己。
但是真正的丛林法则中，自身的生命是必要的赌注。因为一个毫无资产的人，生命是唯一可以拿出的筹码。
这使得革命者，必然不会是城市出身的人，而是更有野蛮气息的穷苦之人。
應該是按照你選擇國家的用戶觀看的記錄來區分, 而不是靠youtuber地址.
我想可能很難，而且我有注意到yt那些民運的視頻裡，頻道訂閱數跟視頻下方的留言和點讚數完全不成比例，yt內部我看也是被土共滲透的很嚴重，所以我認為這個點沒必要去著手，不用去想了
YouTube的pioneer用户的经验。政治类视频的点击率是属于偏低类型。
文招再无敌，也输给华农吃竹鼠和娘娘腔玩恐怖游戏。
文招再无敌，也输给华农吃竹鼠和娘娘腔玩恐怖游戏。
估计就是根据你的浏览记录来推荐吧，或者根据你的IP地址所在地理范围。