山烛视频后序完善

一、待完善的任务：

视频推荐算法部分

排序模型的实现

参照YoutubeNet模型，目前只完成了召回模型部分（即上图的candidate generation部分内容），而排序部分尚未完成（即ranking部分），训练排序部分的模型需要记录下用户观看每个视频的时间，这里还需要对后端进行修改。

此外，希望能补充一些用户真实使用的数据集用于训练（可以找找公开的，对已有数据集进行修改也是可以的，或者利用爬虫去爬别的网站的数据）。
常用数据集的下载地址可以参考这篇博客

冷启动问题

当用户的历史数据不足时，网站无法达到比较好的推荐效果，该问题被称为推荐系统“冷启动”问题。在该问题还未解决的情况下，本网站采用随机推荐的方式。
然而可以有更好的解决方法，具体可以参照这篇文章。

二、设想在已有基础上可以迭代开发的新功能：

视频增强

服务器端视频增强

在服务器端运行srcnn或者其他的视频增强算法，对用户上传的视频进行增强，消除视频上传过程中可能出现的失帧现象。
这里是否增强可以由客户决定，例如：

在蓝色方框处提供一个“视频质量提升按钮”，当用户发出请求之后，再对原视频进行增强处理，这样可以降低服务器运算量。

客户端视频增强（工作量和难度较大）

一些偏远地区网速可能不够快，从而导致视频播放卡顿的情况出现。
解决方法：
利用C#或者java（例如Neuroph框架，这个要去学一下如何使用）编写srcnn神经网络和视频播放器，将视频播放器和视频增强模块集成起来，对视频进行实时增强，使得用户能够以低清的流量看高清的视频，减少网络带宽，提高播放流畅度。