00:00 / 01:51
连播
清屏
智能
倍速
点赞216
#抖音公开了算法原理#4月15日,抖音公开了其算法原理。据抖音算法工程师刘畅介绍,抖音的推荐算法与国内外大多数内容平台相仿,主要包含召回、过滤、排序等流程,其核心在于对用户行为的深度学习。 抖音基于用户行为的推荐机制运用了一系列先进技术模型,协同过滤、双塔召回、Wide&Deep模型等均在其中发挥关键作用。尤为值得一提的是,即便在尚未“理解”内容的阶段,该算法也能够精准定位兴趣相仿的用户群体,并向用户推荐这一群体所关注的内容。当下,抖音算法已基本摒弃了传统的依靠内容与用户打标签的方式,转而借助神经网络进行复杂计算,预估用户行为,综合考量各项因素,精准算出用户观看内容的价值总和,进而推送排名居前的优质内容。 为有效破解“信息茧房”困境,抖音在多目标建模体系中专门设立了探索维度。一方面,在聚焦完播、评论、点赞等多个关键目标的同时,针对用户既有的兴趣领域,抖音采用多样性打散、多兴趣召回以及扶持小众兴趣等策略,严格把控相似内容的出现频次,确保推荐内容的丰富多元。以美食爱好者为例,他们不会反复刷到千篇一律的同质视频,而是有机会领略到世界各地的多元美食,以及与之相关的文化、历史知识,极大地拓宽了视野。另一方面,抖音致力于助力用户探索全新兴趣,通过随机推荐、基于社交关系拓展兴趣、实现搜索与推荐联动,以及精准过滤“不感兴趣”内容等创新性举措,使用户能够深度参与推荐过程,主动影响推荐系统,最终达成个性化与多样化推荐的完美融合。 实际上,推荐算法从本质上来说是一个高效的信息过滤系统。在抖音平台,一套“人工+机器”协同作业的治理模式被广泛应用于风险防控领域。其中,人工运营和治理体系为算法的优化升级指明方向,而具备多目标体系的算法自身也具备主动打破“信息茧房”的能力,二者相辅相成。
00:00 / 02:18
连播
清屏
智能
倍速
点赞559
00:00 / 01:18
连播
清屏
智能
倍速
点赞2
00:00 / 01:41
连播
清屏
智能
倍速
点赞951
00:00 / 02:26
连播
清屏
智能
倍速
点赞1
00:00 / 03:43
连播
清屏
智能
倍速
点赞3932