论文目的：预测video未来的popularity。但对于冷启动的video，因为没有过往的信息，很难进行建模。
创新：
- 预测模型的popularity而不是直接算累积的clicks。
- 过往的video popularity预测通常是基于观察到的signals，比如用户评论，打分，社交媒体分享次数。但在这篇论文中，采用了使用之前的engagement和video的metadata。
更具体来说，主要有三类信息：
2.1 用户aggregate的信息：用户看过多少video，看了video的多长长度（已看部分/总长度的比例），用户购买信息等；
2.2 video metadata：video有多长时间，video的价格等
2.3 video的新旧程度，freshness
3. 讨论了不同类型的videos会被如何对待。
4. 之前有一些DNN的work，但DNN需要大量的计算资源，会增加serving cost。本文提出的方法是基于tree ensemble。
