短视频应用近些年来吸引了数十亿用户年，以多元化的内容满足她们的各类需求。用户一般会在短时间内在联通设备上观看许多主题的短视频一段时间，并十分迅速地给出明晰或蕴涵的反馈她们观看的短片。推荐系统须要实时感知用户的喜好以满足她们的需求改变兴趣。传统上，推荐系统部署在服务器端为来自的每位恳求返回一个视频排行列表顾客。因而它不能按照在下一次恳求之前对用户的实时反馈。因为顾客端-服务器传输延后，也未能立刻借助用户的实时反馈。但是，随着用户不断观看视频和反馈快手热门算法，不断变化的上下文领先排行服务器端推荐系统的不确切。
在本文中，我们建议布署一个短视频推荐框架,在联通设备上解决那些问题。具体来说快手热门算法，我们设计并布署一个微型设备排行模型以启用实时服务器端推荐结果的重新排序。我们改进其预测确切性通过借助用户的实时反馈观看视频和顾客特定的实时功能。通过更确切的预测，我们进一步考虑交互在候选视频中，并提出上下文感知的重新排序基于自适应多径搜索的方式。该框架已布署在十亿用户规模的短视频应用快手上，并提升了有效观看率，喜欢和关注分别为1.28%、8.22%和分别为13.6%。
