论文：https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/45530.pdf
召回模型结构：
靠谱分享：https://www.jianshu.com/p/f9d2abc486c9
上面的博主分享很给力，但在实践中得到的经验并不完全一致。
几点补充或不同：
1. 通过对比实验，item embedding采用蓝色框所示效果更好。原因是，在softmax前一步中，y=Wx+b，这里x是用户向量，W就是整个vocab的物品向量，如此预测才显示了user和item的联系。
2. 后来做了一点改进，就是将红框中 video emb和 uploader emb concat起来，然后与蓝框item emb共享，最终得到emb进行ANN召回。
3. 加入LSTM结构无明显提升。大概是因为emb平均值最后也是个emb，向量分量之间是无法体现时序的。
4. 对输入video emb求均值时加入了权重，与观看完成度正比，与距离“当前”时间反比。
