2008年于中科院声学所获博士学位，主导了优酷土豆视频推荐支撑平台设计与开发，目前负责低延时、高并发的大数据应用支撑平台建设。
从视频网站的分类来说，优酷土豆属于两者兼备的模式(用户产生内容+专业视频内容)。而这两种类型的网站内容和用户行为各异，相应的推荐系统的设计也会有一定差别。对此优酷土豆建立了自己的推荐系统，平衡二者的权重。并在此基础之上发现GPU产生类型。在未来也将在此基础上，进行新的拓展。
目前，优酷土豆视频推荐系统分可大致分为为两部分。第一部分，是底层的算法架构，主要做算法的研究工作。第二部分，是上层的支撑架构，即大数据的支撑平台。主要用于将海量视频信息，快速实时的推荐给用户，实现良好的用户体验。
和旧有的视频推荐系统相比，新的视频推荐系统，将数据和计算建立在hadoop大数据平台之上，包括信息算法的小流量支持和各种业务的流量支持，等可以作为扩展在这个平台上得以实现。
现在，优酷土豆每天可以承受4-5亿次响应，每次响应在3-4毫秒左右。有了一个非常不错的成绩。
而在用户行为的收集上，视频行业一直都把它当作重中之重。对此，优酷土豆成立专项小组，对用户行为进行收集。在新的架构之上，包括之前没有办法收集的用户实时访问的视频数据，用户搜索行为、访问的页面，现在都可以实现实时采集，并引入到实时的算法当中去。同时，在数据的更新频率上，优酷土豆也将更新频率分为了三钟类型。用以实现更加快速实时的用户体验。
未来的优酷土豆视频推荐将会朝什么方向发展?谈到这个问题，单经理对记者说：“未来，优酷土豆视频推荐未来的发展方向可大致分为两点。第一，系统架构上将更加实时，以便能更加准确、快速对用户进行分析。第二，在现在的UGC、PGC背景下，传统的基于用户行为的数据，不足以挖掘出用户的全部信息。因此，我们想通过用户行为，用机器自动聚合出标签，用标签做类似准内容推荐。这个标签可以用在用户身上，也可以用在内容上面，来标明用户喜好。更好的提升对用户的服务体验。
